Inicio Proyectos UniRL
UniRL

UniRL

por Tencent-Hunyuan · GitHub

UniRL es un marco para el aprendizaje por refuerzo de modelos multimodales unificados.

Ver en GitHub
En palabras simples

Entrena y mejora modelos de IA multimodal usando un marco unificado para el aprendizaje por refuerzo.

⭐ Estrellas
🍴 Ramas
🔥 Tendencias
📜 Licencia
Licencia no especificada
📅 Creado
🔄 Último commit
🏷️ Categoría
💻 Lenguaje
¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
UniRL — GitHub preview card
📈 Historial de estrellas
860820
2026-07-202026-07-29
📈 Sigue UniRL

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

UniRL es un marco para el aprendizaje por refuerzo de modelos multimodales unificados.

UniRL tiene 860 estrellas en GitHub. Se ha bifurcado 56 veces. UniRL está escrito principalmente en Python. Se desarrolla activamente desde 2026. Sus temas principales son: ai-infrastructure, reinforcement-learning, sglang, vllm.

Frequently asked questions

¿Qué es UniRL?

UniRL es un marco para el aprendizaje por refuerzo de modelos multimodales unificados.

¿UniRL es de código abierto?

UniRL es un proyecto de código abierto.

¿UniRL es gratis?

Sí. UniRL es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿En qué lenguaje está escrito UniRL?

UniRL está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
OpenSourceAI badge — UniRL

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=tencent-hunyuan-unirl)](https://opensourceai.tech/project/tencent-hunyuan-unirl.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.