openrlhf-training
✓具有 Ray+vLLM 加速功能的高性能 RLHF 框架。用於大型模型（7B-70B+）的PPO、GRPO、RLOO、DPO訓練。基於 Ray、vLLM、ZeRO-3 建置。比 DeepSpeedChat 快 2 倍，具有分散式架構和 GPU 資源共享。
SKILL.md
OpenRLHF is a Ray-based RLHF framework optimized for distributed training with vLLM inference acceleration.
Workflow 1: Full RLHF pipeline (SFT → Reward Model → PPO)
Hybrid Engine GPU sharing: See references/hybrid-engine.md for vLLM sleep mode, DeepSpeed sleep mode, and optimal node allocation.
具有 Ray+vLLM 加速功能的高性能 RLHF 框架。用於大型模型（7B-70B+）的PPO、GRPO、RLOO、DPO訓練。基於 Ray、vLLM、ZeRO-3 建置。比 DeepSpeedChat 快 2 倍，具有分散式架構和 GPU 資源共享。 來源：orchestra-research/ai-research-skills。
可引用資訊
為搜尋與 AI 引用準備的穩定欄位與指令。
- 安裝指令
npx skills add https://github.com/orchestra-research/ai-research-skills --skill openrlhf-training- 分類
- </>開發工具
- 認證
- ✓
- 收錄時間
- 2026-02-11
- 更新時間
- 2026-02-18
快速解答
什麼是 openrlhf-training？
具有 Ray+vLLM 加速功能的高性能 RLHF 框架。用於大型模型（7B-70B+）的PPO、GRPO、RLOO、DPO訓練。基於 Ray、vLLM、ZeRO-3 建置。比 DeepSpeedChat 快 2 倍，具有分散式架構和 GPU 資源共享。 來源：orchestra-research/ai-research-skills。
如何安裝 openrlhf-training？
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/orchestra-research/ai-research-skills --skill openrlhf-training 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code 或 Cursor 中使用
這個 Skill 的原始碼在哪？
https://github.com/orchestra-research/ai-research-skills
詳情
- 分類
- </>開發工具
- 來源
- skills.sh
- 收錄時間
- 2026-02-11