DeepResearcher快速上手指南从环境配置到模型训练的完整步骤【免费下载链接】DeepResearcherScaling Deep Research via Reinforcement Learning in Real-world Environments.项目地址: https://gitcode.com/gh_mirrors/de/DeepResearcherDeepResearcher是一个基于强化学习的深度研究扩展平台旨在通过真实环境中的强化学习实现深度研究的规模化。本指南将帮助新手用户快速掌握从环境配置到模型训练的完整流程轻松上手这一强大工具。1. 环境准备快速搭建开发环境1.1 系统要求Python: 版本 3.9CUDA: 版本 12.1GPU: 至少24GB HBM显存推荐使用NVIDIA A100或更高配置1.2 安装方式选择1.2.1 Docker镜像安装推荐我们提供预构建的Docker镜像可快速启动开发环境docker run --runtimenvidia -it --rm --shm-size10g --cap-addSYS_ADMIN -v your_data_dir:/data verlai/verl:vemlp-th2.4.0-cu124-vllm0.6.3-ray2.10-te1.7-v0.0.3容器内安装verlgit clone https://gitcode.com/gh_mirrors/de/DeepResearcher cd DeepResearcher pip3 install -e .1.2.2 自定义环境安装使用conda创建虚拟环境conda create -n deepresearcher python3.9 conda activate deepresearcher pip3 install torch2.4.0 --index-url https://download.pytorch.org/whl/cu124 pip3 install flash-attn --no-build-isolation git clone https://gitcode.com/gh_mirrors/de/DeepResearcher cd DeepResearcher pip3 install -e .1.3 可选组件安装Megatron-LM支持如需使用Megatron-LM后端以获得更好的扩展性# 安装Apex pip3 install -v --disable-pip-version-check --no-cache-dir --no-build-isolation --config-settings --build-option--cpp_ext --config-settings --build-option--cuda_ext githttps://github.com/NVIDIA/apex # 安装Transformer Engine pip3 install githttps://github.com/NVIDIA/TransformerEngine.gitv1.7 # 安装Megatron-LM并应用补丁 cd .. git clone -b core_v0.4.0 https://github.com/NVIDIA/Megatron-LM.git cd Megatron-LM cp ../DeepResearcher/patches/megatron_v4.patch . git apply megatron_v4.patch pip3 install -e . export PYTHONPATH$PYTHONPATH:$(pwd)2. DeepResearcher核心架构解析DeepResearcher采用分布式集群架构结合真实世界环境交互实现强化学习的高效训练。其核心框架包含以下关键组件分布式集群支持多节点多GPU训练通过rollout机制实现并行化采样真实世界环境集成搜索引擎和浏览代理实现外部知识获取智能体系统包含思考(Think)、搜索(Search)、浏览(Browse)和回答(Answer)等核心能力记忆模块存储和管理从网络获取的新信息支持多次迭代优化3. 数据集准备以GSM8K为例3.1 数据集介绍GSM8K是一个数学问题数据集包含大量小学数学问题及分步解答非常适合用于训练和评估模型的推理能力。3.2 数据预处理使用提供的脚本将原始数据转换为Parquet格式python3 examples/data_preprocess/gsm8k.py --local_dir ~/data/gsm8k预处理后的数据将保存在~/data/gsm8k目录下包含train.parquet和test.parquet两个文件。4. 模型训练PPO训练完整流程4.1 下载基础模型本示例使用Qwen2.5-0.5B-Instruct模型作为起点python3 -c import transformers; transformers.pipeline(text-generation, modelQwen/Qwen2.5-0.5B-Instruct)4.2 奖励模型说明DeepResearcher采用基于规则的奖励模型通过以下方式计算奖励正确答案奖励值1错误答案奖励值0.1无答案奖励值0奖励计算逻辑实现于verl/utils/reward_score/gsm8k.py。4.3 启动PPO训练PYTHONUNBUFFERED1 python3 -m verl.trainer.main_ppo \ data.train_files$HOME/data/gsm8k/train.parquet \ data.val_files$HOME/data/gsm8k/test.parquet \ data.train_batch_size256 \ data.max_prompt_length512 \ data.max_response_length256 \ actor_rollout_ref.model.pathQwen/Qwen2.5-0.5B-Instruct \ actor_rollout_ref.actor.optim.lr1e-6 \ actor_rollout_ref.actor.ppo_mini_batch_size64 \ actor_rollout_ref.actor.ppo_micro_batch_size_per_gpu4 \ actor_rollout_ref.rollout.tensor_model_parallel_size1 \ critic.optim.lr1e-5 \ critic.model.pathQwen/Qwen2.5-0.5B-Instruct \ algorithm.kl_ctrl.kl_coef0.001 \ trainer.logger[console] \ trainer.n_gpus_per_node1 \ trainer.total_epochs15 21 | tee deepresearcher_train.log4.4 训练过程监控训练过程中关键指标val/test_score/openai/gsm8k会按trainer.test_freq参数设定的频率计算。典型的训练日志如下step:0 - timing/gen:21.470 - timing/ref:4.360 - timing/values:5.800 - critic/kl:0.000 - critic/kl_coeff:0.001 - ... - response_length/mean:239.133 - prompt_length/mean:104.8834.5 内存优化建议如遇内存不足问题可调整以下参数actor_rollout_ref.actor.ppo_micro_batch_size_per_gpu1 \ critic.ppo_micro_batch_size_per_gpu15. 性能评估DeepResearcher的优势DeepResearcher在多个问答数据集上表现出优异性能相比传统方法有显著提升从图表中可以看出在NQ、TQ、HotpotQA等多个数据集上DeepResearcher的准确率均领先于R1-Searcher、Search-1-instruct等对比方法。6. 扩展性分析训练步数与性能关系DeepResearcher具有良好的扩展性随着训练步数的增加模型性能持续提升(a) F1分数随训练步数增加稳步提升(b) 工具调用次数不同hop数的工具调用趋于稳定(c) 响应长度随训练步数增加合理增长7. 常见问题解决7.1 安装问题vLLM版本兼容若安装vLLM 0.7.0-0.7.2版本需手动应用补丁FlashAttention安装使用pip3 install flash-attn --no-build-isolation命令7.2 训练问题显存不足减小ppo_micro_batch_size_per_gpu参数训练不稳定调整kl_coef参数控制KL散度更多常见问题请参考docs/faq/faq.rst。8. 总结与下一步通过本指南你已掌握DeepResearcher的基本使用流程包括环境配置、数据准备和模型训练。建议下一步尝试不同的数据集如examples/data_preprocess/目录下的其他预处理脚本探索不同的训练算法如GRPO、REMAX等相关脚本位于examples/grpo_trainer/和examples/remax_trainer/深入学习高级配置选项参考docs/advance/目录下的高级扩展文档DeepResearcher为强化学习研究提供了强大而灵活的平台祝你在深度研究的道路上取得突破【免费下载链接】DeepResearcherScaling Deep Research via Reinforcement Learning in Real-world Environments.项目地址: https://gitcode.com/gh_mirrors/de/DeepResearcher创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考