支持的强化学习算法

本节将概述每种算法，包括其核心特点、损失函数以及在 RLinf 中高效运行所需的关键配置选项。

每种算法的实现都考虑了灵活性，研究人员和实践者可以将它们应用到各种强化学习任务中。无论是探索标准基准任务，还是设计自定义环境，RLinf 都提供了简化的接口来支持训练和评估。

目前，RLinf 支持以下多种常用的强化学习算法：

• 近端策略优化 (PPO)

• 组相对策略优化 (GRPO)

• 解耦裁剪与动态采样策略优化 (DAPO)

• REINFORCE++

• SAC

• Cross-Q

• RLPD

• 隐式Q学习 (IQL)

• 异步近端策略优化 (Async PPO)

我们会持续扩展未来版本中支持的算法，敬请期待后续的更新！