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。