RAGEN

RAGEN 是一个面向大语言模型推理智能体的强化学习训练框架，旨在诊断和优化RL训练过程中的失败模式。其核心基于StarPO（State-Thinking-Actions-Reward Policy Optimization）统一架构，支持轨迹级与步级联合优化，内置10个多样化交互式环境（如Sokoban、WebShop、Lean等），并提供Gym兼容接口便于扩展。项目强调对推理过程的可控干预、奖励机制设计及训练稳定性分析，适用于需要在复杂、随机环境中提升LLM代理推理鲁棒性与泛化能力的研究与开发场景。