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 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 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： ```bash 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](training_zh.md)或[评测](evaluation_zh.md)。