verl-mint¶

verl-mint 是 Mint Recursive 训练运行时的开源版本，基于 veRL 和 Ray 构建。它保留了 Mint Recursive API 中 session、checkpoint、sampler 和 future 的含义与用法。客户端沿用原来的训练流程，计算和存储交给你自己的 GPU、Ray 或 veRL 集群与存储系统。

在 Mint Recursive 托管服务上运行的同一个 SDK 脚本，可以不加修改地在本地 verl-mint 部署上运行。

算法¶

算法	状态	说明
SFT	可用	LoRA SFT、checkpoint 保存/加载、断点续训、采样器交接
GRPO	可用	Group Relative Policy Optimization；组相对优势，无需价值 critic
DPO	计划中	偏好优化方向

支持模型¶

系列	规模	状态
Qwen	0.6B	可用
Qwen	4B	可用
Qwen	30B	可用
Qwen	8B	计划中

安装¶

git clone https://github.com/verl-project/verl-mint.git
cd verl-mint
uv sync --extra smoke

smoke 扩展会从 MindLab 仓库安装官方 Mint Recursive SDK（mindlab-toolkit）。

前置条件¶

使用 verl-mint 前，需要先准备好 Ray、GPU 和 worker 镜像。这些执行环境由你配置，运行时不会代为创建。

前置条件	要求
Ray	API 节点与每个 worker 上需 `ray[default]>=2.46.0,<3`

安装步骤、算法说明和集群配置详见 verl-mint 仓库。