NovaSky-AI/SkyRL

SkyRL 把强化学习训练、推理后端、长时程代理和 Gym 环境组成模块化全栈，既能用自有硬件，也能接 Tinker API，任务覆盖数学、代码、搜索和 SQL。README 记录过仅用 653 个样本训练小型推理模型的早期实验。比单一 PPO 脚本更有用的是，它让算法、rollout 后端和交互环境可以分别替换，便于定位收益究竟来自哪一层。