openrlhf-training
✓具有 Ray+vLLM 加速功能的高性能 RLHF 框架。用于大型模型（7B-70B+）的PPO、GRPO、RLOO、DPO训练。基于 Ray、vLLM、ZeRO-3 构建。比 DeepSpeedChat 快 2 倍，具有分布式架构和 GPU 资源共享。
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。用于大型模型（7B-70B+）的PPO、GRPO、RLOO、DPO训练。基于 Ray、vLLM、ZeRO-3 构建。比 DeepSpeedChat 快 2 倍，具有分布式架构和 GPU 资源共享。 来源：orchestra-research/ai-research-skills。
可引用信息
为搜索与 AI 引用准备的稳定字段与命令。
- 安装命令
npx skills add https://github.com/orchestra-research/ai-research-skills --skill openrlhf-training- 分类
- </>开发工具
- 认证
- ✓
- 收录时间
- 2026-02-11
- 更新时间
- 2026-02-18
快速解答
什么是 openrlhf-training？
具有 Ray+vLLM 加速功能的高性能 RLHF 框架。用于大型模型（7B-70B+）的PPO、GRPO、RLOO、DPO训练。基于 Ray、vLLM、ZeRO-3 构建。比 DeepSpeedChat 快 2 倍，具有分布式架构和 GPU 资源共享。 来源：orchestra-research/ai-research-skills。
如何安装 openrlhf-training？
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/orchestra-research/ai-research-skills --skill openrlhf-training 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code 或 Cursor 中使用
这个 Skill 的源码在哪？
https://github.com/orchestra-research/ai-research-skills
详情
- 分类
- </>开发工具
- 来源
- skills.sh
- 收录时间
- 2026-02-11