高效、可扩展的强化学习训练框架，用于训练具有推理和搜索引擎调用能力的大型语言模型（LLM）。

基于veRL构建，支持3B规模的基础LLM；通过规则化奖励机制，让LLM自主学会推理和搜索；提供完整的训练流程和工具支持，助力研究和开发

Search-R1 | #框架