Video-ORA-9B / code /docs /environment_zh.md
lyhisme's picture
Add OraRL training and evaluation code
53c10a4 verified
|
Raw
History Blame Contribute Delete
1.71 kB

English

复现 OraRL 环境

OraRL 使用同一套可复现软件栈完成策略优化与任务原生评测。发布配置在 NVIDIA H20/Hopper 与 CUDA 12.9 上完成验证,本仓库同时包含两部分运行时。

环境要求

  • PATH 中可用 Conda 的 Linux 系统
  • 驱动版本较新的 NVIDIA GPU
  • 复现论文环境时使用兼容 CUDA 12.9 的硬件

CUDA 12.9 GA 官方要求 NVIDIA Linux 驱动不低于 575.51.03。其他 NVIDIA GPU 也可能运行,但发布配置仅在 H20 上完成验证。

安装固定版本软件栈

bash scripts/create_conda_env.sh
conda activate orarl

python scripts/check_environment.py \
  --require-gpu \
  --model /path/to/local/model

脚本会固定 Python 3.11、PyTorch 2.10.0+cu129、Transformers 5.5.4、 vLLM 0.19.1、FlashAttention 2.8.3,以及 requirements-cu129.txt 中的其余依赖。 最后一步的可编辑安装会同时提供 orarl-* 命令和本仓库自带的 verl 训练包; 请勿再用 PyPI 上无关的 verl 版本覆盖它。

验证仅用于评测的节点

若某个节点只跑评测,可跳过训练侧检查:

bash scripts/create_conda_env.sh --evaluation-only
conda activate orarl

python scripts/check_environment.py --evaluation-only

验证发布源码

分配长任务前先执行:

python scripts/check_release.py
python -m pytest -q
ruff check .

在与论文一致的 H20 节点上,可为 scripts/check_environment.py 增加 --require-gpu --require-h20。多节点任务应在所有节点使用相同的源码版本和环境。

随后参阅训练评测