面向企业的LLM/VLM后训练RL框架(基于slime)

dl_weekly · x · 2026-07-07

深度学习周刊分享了一个面向企业的强化学习框架,用于 LLM 与 VLM 的后训练(post-training)。该框架从 slime 分叉而来,并与 slime 协同演进,作为训练方法论工具供社区使用。