[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-THUDM--WebRL":3,"tool-THUDM--WebRL":61},[4,18,26,36,44,52],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",143909,2,"2026-04-07T11:33:18",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,60],"视频",{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":77,"owner_twitter":78,"owner_website":79,"owner_url":80,"languages":81,"stars":101,"forks":102,"last_commit_at":103,"license":76,"difficulty_score":104,"env_os":105,"env_gpu":106,"env_ram":107,"env_deps":108,"category_tags":117,"github_topics":76,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":118,"updated_at":119,"faqs":120,"releases":151},5082,"THUDM\u002FWebRL","WebRL","Building Open LLM Web Agents with Self-Evolving Online Curriculum RL","WebRL 是一个专为训练大语言模型（LLM）网页智能体设计的开源框架，旨在让 AI 学会像人类一样自主操作浏览器完成复杂任务。它主要解决了传统方法中智能体难以适应动态网页环境、任务泛化能力弱以及训练数据匮乏的难题。通过引入“自进化在线课程强化学习”机制，WebRL 能让智能体在交互过程中自动生成新任务并持续优化策略，从而在 WebArena 等基准测试中显著提升成功率。\n\n该工具特别适合人工智能研究人员、大模型开发者以及希望构建自动化网页操作助手的技术团队使用。其核心亮点在于独特的课程学习框架：它不仅能根据智能体当前的能力水平动态调整任务难度，还结合了结果监督奖励模型（ORM）来精准评估操作效果，实现了从“静态训练”到“自我进化”的跨越。作为 AutoGLM 系列基础智能体的核心技术，WebRL 提供了基于 GLM-4 和 LLaMA 3.1 的预训练模型及完整的训练代码，帮助用户高效搭建具备高鲁棒性的网页代理系统，推动通用网页自动化技术的发展。","\u003Cdiv align=\"center\">\n\n# WebRL: Training LLM Web Agents via Self-Evolving Online Curriculum Reinforcement Learning\n\n\u003C\u002Fdiv>\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_WebRL_readme_0abec50fb0d7.png)\n\n*Technique adopted in [AutoGLM](https:\u002F\u002Fxiao9905.github.io\u002FAutoGLM\u002F), a series of Phone Use and Web Browser Use Foundation Agents*\n\n\u003Cp align=\"center\">\n   📃 \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2411.02337\" target=\"_blank\"> Paper \u003C\u002Fa> | 🤗 \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-glm-4-9b\" target=\"_blank\"> WebRL-GLM-4-9B \u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-llama-3.1-8b\" target=\"_blank\"> WebRL-LLaMA-3.1-8B \u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fwww.modelscope.cn\u002Fcollections\u002FWebRL-77a3e54a2dde4b\" target=\"_blank\"> ModelScope \u003C\u002Fa>\n\u003C\u002Fp>\n\n***\n\nWebRL, a self-evolving online curriculum learning framework designed for training web agents, targeting the WebArena environment. \n\n## 🚀 Quick Start\n\n### Dependencies\n\nFirst, create a conda environment and install all pip package requirements.\n\n```bash\nconda create -n webrl python==3.10\nconda activate webrl\n\ncd WebRL\npip install -e .\n```\n\n### Model checkpoints\n\n#### Actor checkpoints\n\nThe WebRL-GLM-4-9B checkpoint was released here and we use it:\n\n- [WebRL-GLM-4-9B checkpoint](https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-glm-4-9b)\n- [WebRL-Llama-3.1-8B checkpoint](https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-llama-3.1-8b)\n- [WebRL-Llama-3.1-70B checkpoint](https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-llama-3.1-70b)\n\n#### ORM checkpoint\n\nThe checkpoint for Outcome-supervised Reward Model (ORM) is as follow:\n\n- [ORM-Llama-3.1-8B checkpoint](https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-orm-llama-3.1-8b\u002Ftree\u002Fmain)\n\n\n\n### ✈️ Train SFT model\n\nWe use LLaMA-Factory to train the SFT baseline, which is the starting model for WebRL. We release the code and data used for training. You can train the SFT baseline with the following commands:\n\n```bash\ncd LLaMA-Factory\nbash run.sh examples\u002Ftrain_full\u002Fllama3_full_policy_web.yaml\n```\n\n### ✈️ Train WebRL\n\nAfter training the SFT baseline, you should use it as the initial model of the actor and critic.  You can train WebRL with the following commands:\n\n```bash\nbash run_multinode.sh\n```\n\nThis command is used to train the actor and critic in each phase.\n\n### 💡 Generating New Instructions\n\nYou can generate new instructions with the following commands:\n\n```bash\npython scripts\u002Fgen_task.py\n```\n\n### 🛜 Interaction and Evaluation\n\nThe instruction and script for interaction with WebArena is provided in [VAB-WebArena-Lite](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FVisualAgentBench\u002Ftree\u002Fmain\u002FVAB-WebArena-Lite).\nYou can implement the interaction process of WebRL according to the [``Evaluating in WebRL Setting (Text Modal)``](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FVisualAgentBench\u002Ftree\u002Fmain\u002FVAB-WebArena-Lite#-evaluating-in-webrl-setting-text-modal) section of VAB-WebArena-Lite.\n\n\nTo enable interaction with WebArena, you need to configure each task in the same format as the sample test case provided in the ``test_webarena_lite.raw.json`` file in VAB-WebArena-Lite. Below is the template for a task configuration:\n\n```python\n{\n  \n  \"sites\": [\n    \u003Csite> # possible choices: \"shopping_admin\", \"map\", \"shopping\", \"reddit\", \"gitlab\"\n  ],\n  \"task_id\": \u003CYour task id>\n  \"require_login\": true,\n  \"storage_state\": \".\u002F.auth\u002Fshopping_admin_state.json\",\n  \"start_url\": \u003Cstart url of site>, # possible choices: \"__SHOPPING_ADMIN__\", \"__SHOPPING__\", \"__GITLAB__\", \"__MAP__\", \"__REDDIT__\"\n  \"geolocation\": null,\n  \"intent_template\": \"\",\n  \"instantiation_dict\": {},\n  \"intent\": \u003CTask>,\n  \"require_reset\": false,\n  \"eval\": {\n    \"eval_types\": [\n      \"string_match\"\n    ],\n    \"reference_answers\": {\n      \"exact_match\": \"N\u002FA\"\n    },\n    \"reference_url\": \"\",\n    \"program_html\": [],\n    \"string_note\": \"\",\n    \"reference_answer_raw_annotation\": \"\"\n  },\n  \"intent_template_id\": 0\n}\n```\n\nAfter configuring the tasks, use the script ``scripts\u002Fgenerate_test_data.py`` to generate the configuration files. Make sure to modify the data path in the script to point to the JSON file containing your configured interaction cases.\n\nAfter interaction finished, run ``scripts\u002Fprocess_data.py`` to process the interaction trajectories.\n\n```bash\npython scripts\u002Fprocess_data.py \\\n  --stage 1 2 \\\n  --add_reward \\\n  --rollout_path \u003Cdirectory_of_interaction_trajectories> \\\n  --experience_paths \"path1\", \"path2\" \\ \n  --orm_path \u003Cpath_to_ORM_model> \\\n  --actor_path \u003Cpath_to_actor_model_for_computing_perplexity> \\\n  --output_path \u003Cpath_to_output_file>\n```\n- `stage`: Specifies the processing method for the data\n  - 1: Convert rollout trajectories into the required format.\n  - 2: Incorporate historical experiences filtered by perplexity.\n- `add_reward`: Apply ORM to label each trajectory.\n- `output_path`: The file containing processed interaction trajectories, ready for direct use in training.\n  - stage 1: Processed interaction trajectories will be saved in this file. Contains data without historical experiences.\n  - stage 2: An additional file, output_path + '_filter', will also be generated.\n    - output_path: Contain data without historical experiences.\n    - output_path + '_filter': Contain data with historical experiences.\n- `rollout_path`: Path to the `traces` subfolder containing initial interaction trajectories, typically generated after running Webarena-Lite.\n- `experience_paths`: List of file paths to processed interaction data (`output_path`) from previous phases. We provide the SFT data with the modified format that can be used as experience data, in `\u002Fscripts\u002Fwebarena_lite_sft.pt`.\n\nBoth output_path and output_path + '_filter' are formatted for direct use in subsequent training.\n\n\n## Citation\n```\n@article{qi2024webrl,\n  title={WebRL: Training LLM Web Agents via Self-Evolving Online Curriculum Reinforcement Learning},\n  author={Qi, Zehan and Liu, Xiao and Iong, Iat Long and Lai, Hanyu and Sun, Xueqiao and Yang, Xinyue and Sun, Jiadai and Yang, Yu and Yao, Shuntian and Zhang, Tianjie and others},\n  journal={arXiv preprint arXiv:2411.02337},\n  year={2024}\n}\n```\n","\u003Cdiv align=\"center\">\n\n# WebRL：通过自进化在线课程强化学习训练大语言模型网络智能体\n\n\u003C\u002Fdiv>\n\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_WebRL_readme_0abec50fb0d7.png)\n\n*该技术被应用于[AutoGLM](https:\u002F\u002Fxiao9905.github.io\u002FAutoGLM\u002F)——一系列用于手机操作和网页浏览器使用的基础智能体*\n\n\u003Cp align=\"center\">\n   📃 \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2411.02337\" target=\"_blank\"> 论文 \u003C\u002Fa> | 🤗 \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-glm-4-9b\" target=\"_blank\"> WebRL-GLM-4-9B \u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-llama-3.1-8b\" target=\"_blank\"> WebRL-LLaMA-3.1-8B \u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Fwww.modelscope.cn\u002Fcollections\u002FWebRL-77a3e54a2dde4b\" target=\"_blank\"> ModelScope \u003C\u002Fa>\n\u003C\u002Fp>\n\n***\n\nWebRL是一个专为训练网络智能体设计的自进化在线课程学习框架，目标环境是WebArena。\n\n## 🚀 快速入门\n\n### 依赖项\n\n首先，创建一个conda环境并安装所有pip包依赖。\n\n```bash\nconda create -n webrl python==3.10\nconda activate webrl\n\ncd WebRL\npip install -e .\n```\n\n### 模型检查点\n\n#### 行动者检查点\n\nWebRL-GLM-4-9B检查点已在此发布，我们使用它：\n\n- [WebRL-GLM-4-9B检查点](https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-glm-4-9b)\n- [WebRL-Llama-3.1-8B检查点](https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-llama-3.1-8b)\n- [WebRL-Llama-3.1-70B检查点](https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-llama-3.1-70b)\n\n#### ORM检查点\n\n用于结果监督奖励模型（ORM）的检查点如下：\n\n- [ORM-Llama-3.1-8B检查点](https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-orm-llama-3.1-8b\u002Ftree\u002Fmain)\n\n\n\n### ✈️ 训练SFT模型\n\n我们使用LLaMA-Factory来训练SFT基线，这是WebRL的起始模型。我们发布了用于训练的代码和数据。你可以使用以下命令来训练SFT基线：\n\n```bash\ncd LLaMA-Factory\nbash run.sh examples\u002Ftrain_full\u002Fllama3_full_policy_web.yaml\n```\n\n### ✈️ 训练WebRL\n\n在训练完SFT基线后，你应该将其作为行动者和评论家的初始模型。你可以使用以下命令来训练WebRL：\n\n```bash\nbash run_multinode.sh\n```\n\n此命令用于在每个阶段训练行动者和评论家。\n\n### 💡 生成新指令\n\n你可以使用以下命令生成新指令：\n\n```bash\npython scripts\u002Fgen_task.py\n```\n\n### 🛜 交互与评估\n\n与WebArena交互的指令和脚本在[VAB-WebArena-Lite](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FVisualAgentBench\u002Ftree\u002Fmain\u002FVAB-WebArena-Lite)中提供。你可以根据VAB-WebArena-Lite中的[``在WebRL设置下评估（文本模式）``](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FVisualAgentBench\u002Ftree\u002Fmain\u002FVAB-WebArena-Lite#-evaluating-in-webrl-setting-text-modal)部分来实现WebRL的交互过程。\n\n\n为了能够与WebArena交互，你需要按照VAB-WebArena-Lite中提供的``test_webarena_lite.raw.json``文件中的示例测试用例格式来配置每个任务。以下是任务配置模板：\n\n```python\n{\n  \n  \"sites\": [\n    \u003Csite> # 可能的选择: \"shopping_admin\", \"map\", \"shopping\", \"reddit\", \"gitlab\"\n  ],\n  \"task_id\": \u003C你的任务id>\n  \"require_login\": true,\n  \"storage_state\": \".\u002F.auth\u002Fshopping_admin_state.json\",\n  \"start_url\": \u003C站点的起始URL>, # 可能的选择: \"__SHOPPING_ADMIN__\", \"__SHOPPING__\", \"__GITLAB__\", \"__MAP__\", \"__REDDIT__\"\n  \"geolocation\": null,\n  \"intent_template\": \"\",\n  \"instantiation_dict\": {},\n  \"intent\": \u003C任务>,\n  \"require_reset\": false,\n  \"eval\": {\n    \"eval_types\": [\n      \"string_match\"\n    ],\n    \"reference_answers\": {\n      \"exact_match\": \"N\u002FA\"\n    },\n    \"reference_url\": \"\",\n    \"program_html\": [],\n    \"string_note\": \"\",\n    \"reference_answer_raw_annotation\": \"\"\n  },\n  \"intent_template_id\": 0\n}\n```\n\n配置好任务后，使用脚本``scripts\u002Fgenerate_test_data.py``来生成配置文件。请确保修改脚本中的数据路径，使其指向包含你配置的交互案例的JSON文件。\n\n交互结束后，运行``scripts\u002Fprocess_data.py``来处理交互轨迹。\n\n```bash\npython scripts\u002Fprocess_data.py \\\n  --stage 1 2 \\\n  --add_reward \\\n  --rollout_path \u003C交互轨迹目录> \\\n  --experience_paths \"path1\", \"path2\" \\ \n  --orm_path \u003CORM模型路径> \\\n  --actor_path \u003C用于计算困惑度的行动者模型路径> \\\n  --output_path \u003C输出文件路径>\n```\n- `stage`: 指定数据的处理方式\n  - 1: 将回放轨迹转换为所需格式。\n  - 2: 纳入经过困惑度筛选的历史经验。\n- `add_reward`: 应用ORM为每条轨迹打标签。\n- `output_path`: 包含处理后的交互轨迹的文件，可直接用于训练。\n  - stage 1: 处理后的交互轨迹将保存在此文件中。包含没有历史经验的数据。\n  - stage 2: 还会生成一个附加文件，即output_path + '_filter'。\n    - output_path: 包含没有历史经验的数据。\n    - output_path + '_filter': 包含有历史经验的数据。\n- `rollout_path`: 包含初始交互轨迹的`traces`子文件夹路径，通常是在运行Webarena-Lite后生成的。\n- `experience_paths`: 之前各阶段处理过的交互数据文件路径列表。我们提供了格式已修改的SFT数据，可用作经验数据，位于`\u002Fscripts\u002Fwebarena_lite_sft.pt`。\n\n无论是output_path还是output_path + '_filter'，都已格式化，可直接用于后续训练。\n\n\n## 引用\n```\n@article{qi2024webrl,\n  title={WebRL: Training LLM Web Agents via Self-Evolving Online Curriculum Reinforcement Learning},\n  author={Qi, Zehan and Liu, Xiao and Iong, Iat Long and Lai, Hanyu and Sun, Xueqiao and Yang, Xinyue and Sun, Jiadai and Yang, Yu and Yao, Shuntian and Zhang, Tianjie and others},\n  journal={arXiv preprint arXiv:2411.02337},\n  year={2024}\n}\n```","# WebRL 快速上手指南\n\nWebRL 是一个用于训练 Web 智能体的自进化在线课程学习框架，专为 WebArena 环境设计。本指南将帮助您快速搭建环境并运行基础训练流程。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n- **操作系统**: Linux (推荐 Ubuntu)\n- **Python 版本**: 3.10\n- **依赖管理**: Conda\n- **硬件**: 建议配备 NVIDIA GPU 以支持模型训练与推理\n\n## 安装步骤\n\n### 1. 创建并激活 Conda 环境\n首先创建一个名为 `webrl` 的独立环境并安装 Python 3.10：\n\n```bash\nconda create -n webrl python==3.10\nconda activate webrl\n```\n\n### 2. 安装项目依赖\n进入项目目录并以可编辑模式安装所需包：\n\n```bash\ncd WebRL\npip install -e .\n```\n\n> **提示**：国内用户建议使用清华或阿里镜像源加速安装：\n> `pip install -e . -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n## 基本使用\n\n### 1. 获取模型检查点\n您可以从 Hugging Face 或 ModelScope 下载预训练模型。\n\n**Actor 模型 (策略模型):**\n- [WebRL-GLM-4-9B](https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-glm-4-9b)\n- [WebRL-Llama-3.1-8B](https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-llama-3.1-8b)\n- [WebRL-Llama-3.1-70B](https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-llama-3.1-70b)\n\n**ORM 模型 (奖励模型):**\n- [ORM-Llama-3.1-8B](https:\u002F\u002Fhuggingface.co\u002FTHUDM\u002Fwebrl-orm-llama-3.1-8b\u002Ftree\u002Fmain)\n\n> **国内加速**：也可通过 [ModelScope](https:\u002F\u002Fwww.modelscope.cn\u002Fcollections\u002FWebRL-77a3e54a2dde4b) 下载模型文件。\n\n### 2. 训练 SFT 基线模型\nWebRL 需要一个经过监督微调（SFT）的基线模型作为起点。本项目基于 LLaMA-Factory 进行训练：\n\n```bash\ncd LLaMA-Factory\nbash run.sh examples\u002Ftrain_full\u002Fllama3_full_policy_web.yaml\n```\n\n### 3. 启动 WebRL 训练\n使用训练好的 SFT 模型作为 Actor 和 Critic 的初始权重，运行多节点训练脚本：\n\n```bash\nbash run_multinode.sh\n```\n\n### 4. 生成新指令任务\n若需扩展训练任务，可运行以下脚本生成新的指令数据：\n\n```bash\npython scripts\u002Fgen_task.py\n```\n\n### 5. 交互与评估数据处理\n要在 WebArena 环境中进行评估，需参考 [VAB-WebArena-Lite](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FVisualAgentBench\u002Ftree\u002Fmain\u002FVAB-WebArena-Lite) 配置任务。完成交互后，使用以下命令处理轨迹数据以供后续训练使用：\n\n```bash\npython scripts\u002Fprocess_data.py \\\n  --stage 1 2 \\\n  --add_reward \\\n  --rollout_path \u003Cdirectory_of_interaction_trajectories> \\\n  --experience_paths \"path1\", \"path2\" \\ \n  --orm_path \u003Cpath_to_ORM_model> \\\n  --actor_path \u003Cpath_to_actor_model_for_computing_perplexity> \\\n  --output_path \u003Cpath_to_output_file>\n```\n\n**参数说明：**\n- `--stage`: \n  - `1`: 将滚动轨迹转换为标准格式。\n  - `2`: 加入基于困惑度过滤的历史经验数据。\n- `--add_reward`: 使用 ORM 模型为每条轨迹打标奖励值。\n- `--rollout_path`: 包含初始交互轨迹的目录（通常由 WebArena-Lite 生成）。\n- `--output_path`: 输出文件路径。阶段 2 会额外生成一个 `\u003Coutput_path>_filter` 文件，包含带历史经验的数据。","某电商运营团队希望部署 AI 助手自动处理后台复杂的订单审核与库存同步任务，涉及多页面跳转和动态数据验证。\n\n### 没有 WebRL 时\n- **任务泛化能力差**：基于静态数据微调的模型遇到未见过的新促销页面布局或突发弹窗时，极易操作失败，无法适应网站实时变化。\n- **试错成本高昂**：传统强化学习需要人工预设大量奖励规则，且模型在真实环境中盲目探索，常导致测试账号被封禁或产生脏数据。\n- **长流程执行断裂**：面对需跨多个标签页协作的复杂指令（如“核对 A 店库存并更新 B 店价格”），模型容易在中途迷失上下文，无法完成闭环。\n\n### 使用 WebRL 后\n- **自我进化适应新场景**：WebRL 通过自演进在线课程学习，让智能体在与 WebArena 等环境互动中自动发现新策略，无需人工干预即可适应网站 UI 的频繁更新。\n- **安全高效的在线训练**：利用结果监督奖励模型（ORM）精准评估任务成败，引导智能体在安全的课程难度梯度下逐步提升，避免了无效探索和高风险操作。\n- **复杂意图精准落地**：经过课程化强化训练，智能体能稳定拆解并执行跨页面长链路任务，显著提升了在购物管理、GitLab 协作等真实场景中的成功率。\n\nWebRL 将原本僵化的网页自动化脚本升级为具备持续自学能力的智能代理，彻底解决了动态网页环境下任务执行不稳定的难题。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_WebRL_6e0e0b30.png","THUDM","THUKEG","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FTHUDM_698cabbc.png","ChatGLM, GLM-4, CogVLM, CodeGeeX, CogView, ImageReward, CogVideoX | CogDL, GraphMAE, AMiner | Zhipu.ai (Z.ai) & Knowledge Engineering Group (KEG)",null,"keg.cs.tsinghua@gmail.com","thukeg","https:\u002F\u002Fhuggingface.co\u002FTHUDM","https:\u002F\u002Fgithub.com\u002FTHUDM",[82,86,90,94,98],{"name":83,"color":84,"percentage":85},"Python","#3572A5",99.3,{"name":87,"color":88,"percentage":89},"Dockerfile","#384d54",0.5,{"name":91,"color":92,"percentage":93},"Shell","#89e051",0.2,{"name":95,"color":96,"percentage":97},"Makefile","#427819",0,{"name":99,"color":100,"percentage":97},"Roff","#ecdebe",516,37,"2026-04-06T23:34:18",4,"未说明","必需。需运行 LLaMA-3.1-8B\u002F70B 或 GLM-4-9B 模型及强化学习训练，建议显存 24GB+ (单卡 8B 模型) 或多卡分布式环境 (70B 模型)，具体 CUDA 版本未说明","未说明 (建议 32GB+ 以支持大型模型训练)",{"notes":109,"python":110,"dependencies":111},"1. 必须使用 Conda 创建 Python 3.10 环境。2. 核心依赖 LLaMA-Factory 进行 SFT 基座训练。3. 交互与评估需配置 WebArena 环境 (参考 VAB-WebArena-Lite)。4. 训练过程涉及 Actor、Critic 和 ORM (奖励模型) 多个组件。5. 需准备特定格式的 JSON 任务配置文件才能进行交互和数据生成。","3.10",[112,113,114,115,116],"conda","pip","LLaMA-Factory","WebRL (本地包)","VAB-WebArena-Lite",[35,13],"2026-03-27T02:49:30.150509","2026-04-07T22:49:30.911156",[121,126,131,136,141,146],{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},23108,"WebRL 训练过程中 Policy (Actor) 和 Critic 模型在不同阶段应如何配置路径？","WebRL 训练包含多个阶段，配置逻辑如下：\n1. **第一阶段 (Phase 1)**：\n   - `policy_lm`: 指向 SFT 训练完成的模型路径。\n   - `critic_lm`: 指向 SFT 训练完成的模型路径。\n   - `critic_resume_path`: 留空（因为此阶段尚无训练好的 Critic）。\n2. **后续阶段 (Phase i, i > 1)**：\n   - `policy_lm`: 指向上一阶段训练完成的 Actor 模型路径。\n   - `critic_lm`: 继续使用 SFT 训练完成的模型路径（保持不变）。\n   - `critic_resume_path`: 指定为上一阶段训练完成的 Critic 模型路径。\n此外，`offline_data_path` 应设置为包含 rollout 数据和 replay buffer 历史经验的数据路径。","https:\u002F\u002Fgithub.com\u002FTHUDM\u002FWebRL\u002Fissues\u002F7",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},23109,"单机或多机训练时遇到 GPU OOM (显存溢出) 怎么办？如何正确配置 Batch Size 相关参数？","OOM 通常是因为配置文件中的 `batch_size` 被误解为单卡 batch size，而实际上它代表总 batch size。解决方法是修改 `webrl.yaml` 配置：\n1. 将 `batch_size` 改为较大的值（例如 128，代表总 batch size）。\n2. 新增参数 `per_device_train_batch_size: 1`（指定每张卡的 batch size）。\n3. 新增参数 `gradient_accumulation_steps`：单机设为 16，双机设为 8（用于通过梯度累积达到总 batch size）。\n注意：原配置命名容易让人误以为是单卡 batch size，导致显存计算错误。","https:\u002F\u002Fgithub.com\u002FTHUDM\u002FWebRL\u002Fissues\u002F26",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},23110,"SFT 微调后评估分数较低（约 0.12），远低于论文报告的 0.206，可能是什么原因？","如果使用的是 Llama3.1-8b 且直接运行提供的脚本但分数偏低，请检查以下两点：\n1. **确认基座模型**：确保微调的是 `GLM-4` 基座模型而不是 `GLM-4-Chat` 版本（针对 GLM 系列）。\n2. **检查训练细节**：确认具体的训练参数设置以及 SFT 结束后的 training loss 数值是否正常。官方使用的测试脚本经验证无误（测试官方 RL 模型可达 0.4 左右），因此问题通常出在基座模型选择或训练超参数上。","https:\u002F\u002Fgithub.com\u002FTHUDM\u002FWebRL\u002Fissues\u002F43",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},23111,"如何获取 SFT 数据集中每个任务指令对应的配置文件（如 site, start_url 等）？","项目已提供包含所有 SFT 数据任务及其对应配置的 JSON 文件。你可以直接使用 `WebArena-Lite_info.json`（位于项目根目录），该文件包含了 SFT 数据中所有任务的 `sites` 和 `start_url` 信息。对于 `task_id`，可以根据该文件中的映射关系进行构建，无需手动猜测每个任务的配置。","https:\u002F\u002Fgithub.com\u002FTHUDM\u002FWebRL\u002Fissues\u002F24",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},23112,"算法伪代码（Algorithm 1）与代码实现不一致，第 0 轮 Replay Buffer 中的数据到底是什么？","官方已承认论文早期的 Algorithm 1 存在 Bug 并已在最新版本（arXiv v3）中修复。正确的逻辑是：\n在第 0 轮（初始阶段），Replay Buffer 中的数据实际上是 **SFT 数据集**（即 `LLaMA-Factory\u002Fdata\u002Fweb_policy_sft.json` 中的 prompts），而 Rollout 数据则是第一批生成任务的轨迹。请以最新版的论文伪代码和代码实现为准，早期版本描述有误。","https:\u002F\u002Fgithub.com\u002FTHUDM\u002FWebRL\u002Fissues\u002F34",{"id":147,"question_zh":148,"answer_zh":149,"source_url":150},23113,"交互代码（Interaction Code）是否已经发布？在哪里可以找到？","是的，交互代码已经发布。维护者确认此前承诺发布的交互代码现已更新至仓库中，用户可以直接在代码库中查找相关脚本进行使用，无需再等待后续更新。","https:\u002F\u002Fgithub.com\u002FTHUDM\u002FWebRL\u002Fissues\u002F4",[]]