已过期50% 置信事实精确时间

DecisionRL底层是一个完整、类型化、经过测试的RL框架，支持DQN、PPO、SAC、TRPO、离线RL、基于模型的方法、多智能体和元强化学习

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/17

首次发现

此条事实已过期，仅作历史留存，不再代表当前状态

有效期至：2026/10/15(已过期)

来源

DecisionRL：专为运营决策场景打造的强化学习开源库

相关事实

待验证decisionrl 支持离线强化学习、基于模型的方法、多智能体和元强化学习75% 相似待验证DecisionRL将经典运筹学基线策略与每个环境成对绑定，供开发者验证学习策略是否优于启发式方法70% 相似待验证该项目的模型训练板块整理了从预训练、微调（SFT/RLHF/DPO）到高效推理部署的全链路资料68% 相似已验证常见的本地推理框架包括Ollama、llama.cpp、vLLM67% 相似待验证为特定模型量身打造推理引擎（模型特化）可在算子实现、内存布局和量化策略上做更深度优化，而llama.cpp采用通用支持策略追求兼容多种模型架构67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/547318

API

curl https://kongchang.com/api/v1/knowledge/claims/547318

MCP

get_claim(id=547318)