verl 是一个高效灵活的强化学习后训练框架，专为大语言模型设计，支持 PPO、GRPO 等多种 RL 算法，提供混合并行训练策略，帮助研究者和工程师快速进行模型对齐，降低 RLHF 等后训练任务的技术门槛。
