vlmrl
用JAX编写的视觉语言模型强化学习实验环境，可接入不同环境和模型并用PPO训练。
挑一个能复现的小 issue，用 AI 编程助手把它修好。
分享到 X许可证: Apache-2.0
概述
vlm-gym是一个用JAX编写的视觉语言模型强化学习环境，目前处于实验阶段。它的思路是接入任意环境和模型，并用PPO进行训练。项目自带GeoGuessr、NLVR2和图像描述等环境，以及可从Hugging Face转换为JAX的参考模型Qwen3-VL-4B-Instruct。训练器、推理和评估工具放在core目录，GeoGuessr训练采用分阶段的课程。
主要特点
- 可替换的视觉环境：GeoGuessr、NLVR2、图像描述
- 面向视觉语言模型的PPO训练器
- 推理引擎，并与Hugging Face基线对比评估
- 将Qwen3-VL-4B-Instruct从Hugging Face转为JAX
适用场景
适合想用JAX对视觉语言模型做强化学习实验的研究者。README标明其状态为实验性。
- 上游仓库
- sdan/vlm-gym
- GitHub 上的 fork
- Guo-astro/vlmrl
- 上游 Star 数
- 150
- 分类
- AI 智能体与大模型工具
- 编程语言
- Python
- 许可证
- Apache-2.0
- Fork 时间
- 2025-10-14
- 同步状态
- 已同步上次同步 2026-10-20
同分类更多: AI 智能体与大模型工具
Magnitude会根据硬件调整内核，在本地运行开放模型，并可连接兼容的智能体或客户端。
Fork 时间 2026-10-19上次同步 2026-10-20许可证: Apache-2.0AI 智能体与大模型工具GitHub
为研究者提供从想法评估、文献调研到论文写作与投稿前检查的结构化 AI 辅助，弥补通用 AI 在科研判断上的不足。
Fork 时间 2026-10-18上次同步 2026-10-20自定义许可证（见仓库）AI 智能体与大模型工具GitHub
RLVE为语言模型强化学习提供可调整难度、可验证的环境，用于生成问题并评估模型输出。
Fork 时间 2026-10-17上次同步 2026-10-20许可证: MITAI 智能体与大模型工具GitHub
为 AI 代理提供模块化的 Android 开发指导，帮助其执行专业工作流程。可使用 Android CLI 安装单个技能或全部技能。
Fork 时间 2026-10-16上次同步 2026-10-20许可证: Apache-2.0AI 智能体与大模型工具GitHub