RL4VLM 是什么
RL4VLM 被介绍为一个开源项目,通过强化学习把大型视觉-语言模型微调为能决策的智能代理,基于 LLaVA 模型并采用 PPO 算法。
你可以用它做什么
- 使用修改版的 LLaVA 模型
- 在 GymCards 环境中试验
- 从准备好的 SFT 检查点运行强化学习
上手流程
- 从 GitHub 页面获取代码库
- 准备所需的 SFT 检查点
- 为 GymCards 或 ALFWorld 配置 conda 环境
优点与缺点
✓ 我们认可的地方
- 提供详细训练流程与模板脚本
- 两种 conda 环境适配不同依赖
! 需要留意的地方
- 搭建需要准备 SFT 检查点
- 资料描述需配置两套 conda 环境
常见问题
用哪个算法?
资料说明采用 PPO 算法做强化学习微调。
包含哪些环境?
资料列出 GymCards 与 ALFWorld。
最后评测: 2026-11-15