Agentic RL Lab · 学习路线与进度

这里记录我对 datawhalechina/agentic-rl-lab 的学习进度。
已读的章节链到本地笔记,未读的链到上游原文——点开就能对照着看。

课程资料:Agentic RL Lab(Datawhale,Apache-2.0)·
源码仓库

我的笔记:源码 biociao/agentic-rl-lab · study 分支 ·
在线阅读 biociao.github.io/agentic-rl-lab ·
博客镜像 biochao.cc · Agentic-RL 专栏 ·
许可证 CC BY-NC-SA 4.0

进度

# 章节 笔记 / 原文 状态
00 环境配置与基础概念 笔记 · 原文 ✅ 已读
01 Loss Functions 原文 ⏳ 待读(读 GRPO 前必读)
02 GRPO 笔记 · 原文 ✅ 已读
03 Vision GRPO 原文 ⏳
04 PyTrio-Jev 原文 ⏳
05 General OPD 原文 ⏳
06 Medical OPD 原文 ⏳
07 DAPO 原文 ⏳
08 GSPO 原文 ⏳
09 OPSD 原文 ⏳
10 AgentOPSD 原文 ⏳
11 Search-R1 原文 ⏳
12 ReTool 原文 ⏳
13 ALFWorld 原文 ⏳
14 TEMPO 原文 ⏳
15 Spec-o3 原文 ⏳
16 Tournament-GRPO 原文 ⏳

组队学习任务

章节进度之外,组队学习按「任务」发作业,任务与章节大体一一对应:

任务 内容 笔记 状态
Task01 环境配置与基础概念(装环境 + 概念表) 00 章 ✅ 已读
Task02 GRPO:在 GSM8K 上走通采样、奖励与更新,再比较三种损失的训练行为 02 章 ✅ 已读(含三组实测)

本文同步自我的学习仓库 biociao/agentic-rl-lab(study 分支 · study/notes/index.md)。
博客为发布面,内容与修订以仓库为准:源文件 · 修订历史。