使用场景
使用 Search-R1 训练一个模型来回答复杂的问题并调用搜索引擎获取最新信息。
利用该框架开发一个智能问答系统,能够进行多轮对话并实时检索数据。
在教育领域应用,通过与搜索引擎的结合,提升学习助手的知识覆盖率。
产品特色
支持多种强化学习方法(如 PPO、GRPO、reinforce),满足不同训练需求。
兼容多种语言模型(如 Llama3、Qwen2.5),方便用户选择合适的基础模型。
可以使用本地稀疏 / 密集检索器及在线搜索引擎,灵活应对不同场景。
提供多节点训练,支持 30B 以上的 LLMs,提升训练效率。
开放源码,促进工具增强的 LLM 推理的研究与开发。
支持自定义数据集和搜索引擎,满足个性化需求。
记录完整的实验日志,便于复现与分析。
提供便捷的安装和快速启动指南,降低使用门槛。
使用教程
安装环境并准备依赖项。
下载索引和语料库。
处理训练数据集。
启动本地检索服务器。
运行强化学习训练脚本。