跳到正文

RL4VLM

用强化学习把视觉语言模型微调为决策代理

访问官网

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

更多 AI 编程工具 工具

查看全部 →

评测方法