快速开始

欢迎使用 RLinf 快速上手指南。本节将带你一步步运行 RLinf，帮助你快速了解整个框架的使用流程。

我们提供了三个简洁示例，展示 RLinf 的基本工作流程，帮助你快速开始使用：

• 安装方式： RLinf 支持两种安装方法：使用 Docker 镜像，或自定义用户环境（详见 安装说明）。

• 具身智能训练： 在 ManiSkill3 环境中，使用 PPO 算法对 OpenVLA 和 OpenVLA-OFT 模型进行训练（详见 快速上手 1：在 Maniskill3 上使用 PPO 训练 VLA 模型）。

• 智能体任务训练： 使用 GRPO 算法，在 boba 数据集上训练 DeepSeek-R1-Distill-Qwen-1.5B 模型（详见 快速上手 2：使用 GRPO 训练 LLM 进行 MATH 推理）。

• 分布式训练： 支持多节点具身智能/智能体任务训练（详见 多节点训练）。

• 模型评估： 评估模型在具身智能场景任务下的表现（详见 评估教程1：具身VLA）， 以及评估模型在长链式智能体任务（含数学推理）中的表现（详见 评估教程2：数学推理LLM）。

SOTA 强化学习复现

RLinf 提供了一整套**可复现的 SOTA 强化学习配置**，用户无需额外工程改造，只需直接运行官方脚本和配置文件，即可复现论文级或业界领先的训练效果。

在具身智能任务上，RLinf 在 LIBERO、ManiSkill、RoboTwin 等多个基准中达到了或接近当前最优的成功率，支持 OpenVLA、OpenVLA-OFT、π₀/π₀.₅、GR00T 等多种 VLA 模型（详见 具身智能场景 中的示例库与 支持的强化学习算法 中的算法教程）。

在智能体任务（包含数学推理）上，RLinf 基于 DeepSeek-R1-Distill-Qwen 系列模型，在 AIME24 / AIME25 / GPQA-diamond 等基准上达到 SOTA 表现，同时支持诸如Search-R1与在线代码补全等单智能体与多智能体训练任务（详见 使用 GRPO 训练 Math 推理任务 ）。