RAGEN 利用强化学习，在交互式、随机的环境中训练 LLM 推理智能体。
RAGEN（Reasoning AGENT）是一个灵活的强化学习框架，用于训练具备多轮强化学习能力的LLM智能体，基于StarPO算法构建。
我们开发了诊断工具，以理解智能体强化学习（agent RL）训练如何运作，并修复隐藏的失败模式，例如回声陷阱（RAGEN）和推理崩溃（RAGEN-2）。
Project页面 · RAGEN-2 页面 · RAGEN 在 arXiv 上 · RAGEN-2 在 arXiv 上 · MLL 实验室（李曼玲，西北大学）
> **正在寻找 V1 版 README？** 请查看[这里](docs/readme_v1.md)。 ## 新闻 - **2026.3.12.** 我们很高兴发布 RAGEN-2！我们引入了对智能体强化学习中推理崩溃的系统性研究，以及用于稳定训练的轻量级干预措施。详见 [v2 论文](https://ragen-ai.github.io/v2)。 - **2025.4.20.** RAGEN V1 [论文](https://arxiv.org/abs/2504.20073) 在 arXiv 上发表。 - **2025.1.27。** RAGEN 的初始版本发布。[帖子](https://x.com/wzihanw/status/1884092805598826609)。 ## 关于 RAGEN 围绕 **StarPO**（**S**tate-**T**hinking-**A**ctions-**R**eward **P**olicy **O**ptimization）而构建，这是一个统一的 RL 框架，用于训练具有灵活控制的多回合、轨迹级别的代理。暂无开放 Issues，或尚未同步最近议题。