openrlhf-training

基于 Ray 和 vLLM 加速的高性能 RLHF 框架。适用于 PPO、GRPO、RLOO 和 DPO 算法对大型模型（7B-70B+）进行训练。基于 Ray、vLLM 和 ZeRO-3 构建，采用分布式架构和 GPU 资源共享，速度比 DeepSpeedChat 快 2 倍。

模型生成摘要（rules/v1 · 2026-10-31 22:10）：基于 Ray 和 vLLM 加速的高性能 RLHF 框架
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-10-31 17:33	eb35b8ff	可取

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。