RAGEN

RAGEN 是一个灵活的强化学习框架，用于训练具有多轮强化学习能力的 LLM 智能体。它基于 StarPO 算法，支持轨迹级别的优化，并提供多种内置环境。RAGEN-2 版本引入了 SNR 自适应过滤和推理崩溃诊断功能，以解决模板崩溃问题。该框架适用于需要训练多轮对话或任务处理的智能体，帮助开发者更好地理解和改进强化学习训练过程。