RLinf/RLinf：README 來源編輯指南

RLinf/RLinf 的 README 將專案描述為「RLinf: Reinforcement Learning Infrastructure for Embodied and Agentic AI」。本文只整理倉庫可直接核對的內容，不把 star、Fork 或宣傳語當成品質證明。README 在「README」下寫到：RLinf is a flexible and scalable open-source RL infrastructure designed for Embodied and Agentic AI. The 'inf' in RLinf stands for Infrastructure, highlighting its role as a robust backbone for next-generation training.。這說明的是專案邊界，不是已完成的生產驗證。

從 README 的「What's NEW!」與相關條目，可以先判斷它是否處理你的實際問題：[2026/07] 🔥 RLinf supports Evo-1 full-parameter SFT and GRPO fine-tuning on the LIBERO simulator. Doc: Evo-1.。若需求不同，不應只因專案熱度就採用。本文保留原始專案名、命令與元件名，方便回到一手來源核對。 README 另外列出一項可核對的資訊：[2026/07] 🔥 RLinf supports RTC in both simulation (LIBERO) and real-world (Franka). Doc: RTC.。這類原文條目可用來設計試跑步驟，但不能取代實際環境測試。

README 將運作方式分散在「Key Features」等段落。可確認的線索包括：The high flexibility allows RLinf to explore more efficient scheduling and execution. The hybrid execution mode for embodied RL achieves up to 2.434× throughput compared to existing frameworks.。本文不把未寫出的架構、效能或安全邊界補成結論；真正的執行鏈仍要配合目錄、設定檔與版本標籤檢查。

第一次安裝應從 README 指出的入口開始。目前可核對的命令是： README 没有给出可直接复制的安装命令。 如果倉庫沒有命令，本文不會自行編造步驟，而是建議先閱讀「Key Features」，確認系統依賴、預設埠與首次初始化。

日常使用取決於專案文件。README 的「Embodied AI」段落提到：RLinf supports SFT, simulation RL, and real-world RL for World Action Models (WAM) and Vision-Language-Action Models (VLA). The current support list is as follows:。設定檔、環境變數、權限與資料目錄只在來源明確時才會記錄；沒有寫出的預設值，應在測試環境驗證並保留回滾副本。 同一部分也提到：[2026/07] 🔥 RLinf reimplements π₀ and π₀.₅ in PyTorch with numerical behavior aligned with the JAX reference implementations. Doc: PyTorch OpenPI.。