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）。

• 数学任务训练： 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： 支持多节点数学任务训练（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 1：具身智能体场景）， 以及评估模型在长链式数学推理任务中的表现（详见 评估 2：数学推理场景）。