顶部
首页

大规模强化学习框架RLinf! 清华、北京中关村学院、无问芯穹等开源

大规模强化学习框架RLinf! 清华、北京中关村学院、无问芯穹等开源

更新时间: 浏览次数: 258

机器之心编辑部

清华大学、北京中关村学院、无问芯穹联合北大、伯克利等机构重磅开源RLinf:首个面向具身智能的“渲训推一体化”大规模强化学习框架。

人工智能正在经历从 “感知” 到 “行动” 的跨越式发展,融合大模型的具身智能被认为是人工智能的下一发展阶段,成为学术界与工业界共同关注的话题。

在大模型领域,随着 o1/R1 系列推理模型的发布,模型训练的重心逐渐从数据驱动的预训练 / 后训练转向奖励驱动的强化学习(Reinforcement Learning, RL)。OpenAI 预测强化学习所需要的算力甚至将超过预训练。与此同时,能够将大规模算力高效利用的 RL infra 的重要性也日益凸显,近期也涌现出一批优秀的框架,极大地促进了该领域的发展。

图1 : OpenAI 在红杉资本闭门会上的分享

然而,当前框架对具身智能的支持仍然受限。相比推理大模型这一类纯大脑模型,具身智能领域存在大脑(侧重推理、长程规划,如RoboBrain)、小脑(侧重执行、短程操作,如OpenVLA)及大小脑联合(快慢系统,如pi 0.5)等多样模型。

其次,具身智能除了包含Agentic AI的多步决策属性外,他还有一个独特属性:渲训推一体化。与工具调用智能体、浏览器智能体所交互的仿真器相比,具身仿真器通常需要高效并行物理仿真和3D图形渲染等,因此当前主流仿真器通常采用GPU加速,耦合多步决策带来了算力和显存竞争的新挑战。

总的来说,具身智能领域不仅继承了推理大模型和数字智能体的难点,同时还引入了新的渲训推一体化特征,再加上具身智能模型尚未收敛,对框架的灵活性、高效性和易用性提出挑战。

在这样的背景下,清华大学、北京中关村学院和无问芯穹联合推出了一个面向具身智能的灵活的、可扩展的大规模强化学习框架 RLinf。

代码链接:https://github.com/RLinf/RLinf

Hugging Face链接:https://huggingface.co/RLinf

使用文档链接:https://rlinf.readthedocs.io/en/latest/

RLinf 的 “inf” 不仅代表着 RL “infrastructure”,也代表着 “infinite” scaling,体现了该框架极度灵活的系统设计思想。

RLinf 的系统可以抽象为用户层(统一编程接口)、任务层(多后端集成方案)、执行层(灵活执行模式)、调度层(自动化调度)、通信层(自适应通信)和硬件层(异构硬件)6 大层级。相比其他框架的分离式执行模式,RLinf 提出的混合式执行模式,在具身智能训练场景下实现了超 120% 的系统提速,VLA 模型涨幅 40%-60%。同时,RLinf 高度灵活、可扩展的设计使其可快速应用于其他任务,所训练的 1.5B 和 7B 数学推理大模型在 AIME24、AIME25 和 GPQA-diamond 数据集上取得 SOTA。

图 3:RLinf 系统及亮点介绍

设计 1:采用基于 Worker 的统一编程接口,

利用微执行流实现宏工作流,实现一套代码驱动多种执行模式

当前已有强化学习框架通常采用两种执行模式:共享式(所有卡跑同一个组件) 和 分离式(不同的卡分配不同的组件)。然而,这两种模式在具身智能 “渲训推一体” 的特点下都存在局限性。主要是:由于具身智能体多步决策的属性,模型(Actor)要和仿真器(Simulator)频繁交互,而当前框架一方面不支持仿真器状态快速卸载和加载,另一方面若用共享式需要频繁加载卸载组件,切换开销大,严重降低系统效率。

因此,目前已有的框架在这个场景下仅支持分离式训练,但分离式采用 on-policy 算法训练时资源闲置率高,系统气泡比较大。RLinf 针对这一问题,提出了混合式执行模式,如图 4 所示,这种模式兼具分离式和共享式的优势,再配合上细粒度流水设计,使得系统几乎无气泡,显著提升了系统运行效率。

然而,要想实现一套代码驱动多种执行模式(即无需更改代码,通过配置参数即可实现分离、共享或混合)是不容易的,一种标准的解决方案是构建计算流图,但会导致编程灵活性降低,debug 难度直线上升,所以当前已有框架通常只支持一种模式(分离或者共享),引入新的执行模式需要大量的系统开发。

为此,RLinf 提出了创新的宏工作流到微执行流的映射机制(Macro-to-Micro Flow,M2Flow),实现从组件级而非任务级进行调度。M2Flow 允许用户使用过程式编程方式灵活构建复杂训练流程,解决传统计算流图构建编程灵活性低的问题,同时能够将过程式的训练流程灵活映射到底层不同的执行模式上,为不同的训练流程(如 RLHF、RLVR 等)选择最优执行模式(配合自动调度模块)。

因此,该映射机制兼具过程式编程(Imperative Programming)的灵活性、易用性、易调试性和声明式编程(Declarative Programming)的编译优化能力。具体而言,RLinf 采用基于 Worker 的统一编程接口,允许用户将训练流程中的不同组件,如模拟器、训练推理引擎,封装成不同 Worker,然后通过过程式编程将这些 Worker 串起来形成完整的训练流程。M2Flow 通过细粒度控制微执行流,即控制每个 Worker 的运行 GPU、执行的批大小、执行时机等,实现极度灵活的执行模式。

总结来说,RLinf 使用户能够以高度可适配的方式编排组件(Actor、Critic、Reward、Simulator 等),组件可以放置在任意 GPU 上,并自动配置不同的执行模式,目前支持 3 种执行模式:

共享式(Collocated Mode):用户可以配置组件是否同时常驻于 GPU 内存,或通过卸载 / 重新加载机制交替使用 GPU。

分离式(Disaggregated Mode):组件既可以顺序运行(可能导致 GPU 空闲),也可以以流水线方式执行,从而确保所有 GPU 都处于忙碌状态。

混合式(Hybrid Mode):进一步扩展了灵活性,支持自定义组合不同的放置形式。典型案例是 Generator 和 GPU-based Simulator 执行分离式细粒度流水,二者与 Inference 和 Trainer 执行共享式。

设计 2: 面向具身智能大小脑不同训练需求,

采用全新的低侵入式多后端集成方案,兼顾高效性和易用性

如前文提到,具身智能领域的特点是:大小脑同时存在,且该领域仍处在蓬勃发展期,技术路线尚未收敛。因此为了更好地支持具身智能不同用户(如具身大小脑研究人员)的需求,RLinf 集成了两套后端:

Megatron + SGLang/vLLM:针对已收敛的模型架构(如具身大脑 VLM),支持已适配模型的快速接入,是大规模集群训练的首选模式。在这一模式下,RLinf 也采用了全新的低侵入式训推引擎集成方式,有助于快速集成训推引擎的更新版本(用户可尝试切换 SGLang 版本,方法见说明文档 Advanced Feature 章节),进而能够启用 Megatron 和 SGLang/vLLM 的所有优化能力,如 5D 并行等。

FSDP + Hugging Face:针对未收敛的模型架构(如具身小脑 VLA),支持 Hugging Face 模型开箱即用无需适配,是快速小规模验证的首选模式。这一模式对于算力受限及新手用户比较友好,特别为具身智能从业者打造。

图 5:RLinf 集成两套后端

同时 RLinf 也支持多项来自一线从业者的刚需,包括 LoRA 训练,断点续训,以及适应不同网速用户的训练可视化(Tensorboard、WB、SwanLab)等。此外,RLinf 也正在集成 SFT 模块,致力于提供一站式的服务,通过一套代码满足多样化的训练需求。

设计 3: 设计面向强化学习的自适应通信库和自动化调度模块,

提升训练稳定性和系统效率。

自适应通信机制:

强化学习存在多个组件,且这些组件之间存在大量的数据交互。灵活、高效的互通信是支撑强化学习框架高效运行的关键,也是框架可扩展性的重要保证。因此,RLinf 特别设计了一套面向强化学习的通信库,其中主要包含四项优化技术:自适应 CUDAIPC/NCCL 通信、负载均衡传输队列、多通道并发通信机制、快速通信重配置。

自适应 CUDAIPC/NCCL 通信:无需用户配置,根据两个互通信组件所在 GPU 自动选择使用 CUDAIPC 通信还是使用 NCCL 通信,即两个组件位于同一个 GPU 上时使用 CUDAIPC,位于不同 GPU 上时使用 NCCL。

负载均衡传输队列:可以根据上一个组件在不同 GPU 上所产生数据量的大小,在发送给下一个组件的不同 GPU 时做数据量负载均衡,使得下一个组件不同 GPU 的计算量接近,提升系统运行效率。

图 6:负载均衡传输队列

多通道并发通信:使用多 CUDA stream 以及多网络流并发的通信,避免队头阻塞(Head-of-Line Blocking),降低通信延迟。

快速通信重配置:该功能主要面向大规模集群训练,是实现下文秒级动态扩缩的支撑技术之一,可有效解决通信容错和通信调整的问题。

自动化调度模块:

大规模强化学习框架的优化目标是尽量减少系统资源闲置。已有框架通常采用人为指定资源配置的方案,依赖于人工经验,容易造成系统资源浪费,RLinf 设计了一套自动调度策略,可以针对用户的训练流以及用户所使用的计算资源,选择最优的执行模式。

具体而言,RLinf 会对各组件做自动化性能分析,获得各组件对资源的使用效率和特征。然后,构建执行模式的搜索空间,该搜索空间描述了强化学习算法各组件对计算资源的分配复用关系,包括 “时分复用”、“空分复用” 以及二者结合的资源分配方案;在这样的建模下,RLinf 的自动化调度不仅支持已有强化学习框架中 “共享式” 和 “分离式” 的典型资源分配方式,还支持二者结合的混合分配方案的建模分析。

最后,基于上述性能分析数据,在该空间中搜索出最优的执行模式。除此之外,该自动调度策略还集成 “秒级在线扩缩容(Online Scaling)” 能力,70B 模型只需 1 秒即可完成 5D 并行动态扩缩,而传统方案需十几秒甚至更久。该功能及相关论文将于 10 月上线开源版本。基于该技术可进一步实现运行时组件间计算资源的动态调度,配合细粒度流水设计,可以在保证算法 on-policy 属性的前提下进一步压缩系统气泡率,且显著提升训练稳定性。

RLinf 性能快览

具身性能(采用 FSDP+HuggingFace 后端测试):

在应用上,与其他框架相比,RLinf 的特色在于 Vision-Language-Action Models (VLAs)+RL 的支持,为研究人员探索 VLAs+RL 领域提供了良好的基础算法性能及测试平台。RLinf 支持了主流的 CPU-based 和 GPU-based 仿真器(具体平台见说明文档),支持了百余类具身智能任务,集成了主流的具身大模型 OpenVLA、OpenVLA-OFT、Pi 0。

特别地,团队率先实现了对 Pi 0 的大规模强化学习微调,相关算法及论文将在 9 月底发布。在量化指标上,以 Maniskill3(典型的 GPU-based Simulator )为例进行测试,RLinf 采用混合式结合细粒度流水的执行模式。相比其他框架的分离式执行模式,系统效率显著提速 120% 以上(图 7)。

OpenVLA 及 OpenVLA-OFT 在 Maniskill3 自建 25 个任务 [1] 中采用 PPO 算法和适配具身的 GRPO 算法训练后,成功率曲线如图 8 所示,可以看到模型成功率可以从 SFT 后的 30%-50% 提升至 80%-90%,涨幅 40%-50% 以上。

在公开测试平台 LIBERO 的 4 个场景中,OpenVLA-OFT 采用 RLinf 适配具身的 GRPO 算法训练后,平均成功率达到 97.3%,相比 SFT 模型涨幅 62.4%。

团队前序工作曾探讨 RL 和 SFT 对 VLA 泛化性提升的不同之处 [1],RLinf 将研究进一步拓展至大规模场景下,助力探索具身智能领域的 RL Scaling Law。相关模型已开源在 https://huggingface.co/RLinf,欢迎下载测试。

图 7:RLinf 在 “渲训推一体化” 任务训练中显著提速 120%+

图 8:OpenVLA、OpenVLA-OFT 在 Maniskill3 自建 25 个任务中采用 PPO 算法及具身版 GRPO 算法的训练曲线

表 1:OpenVLA-OFT 在 LIBERO 中采用具身版 GRPO 算法的测评结果

推理性能(采用 Megtatron+SGLang 后端测试):

面向具身智能是 RLinf 的应用特色,但 RLinf 的系统设计思想不仅限于具身智能,灵活、可扩展的设计理念使得其可以快速支持其他应用,体现了其通用性。

以 RLinf 支持的推理大模型训练为例,团队集成优化后的 GRPO 算法 [2] 进行了数学推理大模型的训练,数据集为 AReal-boba 数据集 [3],基座模型为 DeepSeek-R1-Distill-Qwen。在三个测试集(AIME24、AIME25、GPQA-diamond)中进行测评,32 个样本取平均,Pass@1 测试结果如表 2 和 3 所示,RLinf-math-1.5B 和 RLinf-math-7B 在三个测试集上均取得 SOTA 性能。

(注:表格中的模型均来自 HuggingFace 开源模型,统一测试脚本 https://github.com/RLinf/LLMEvalKit)

相关模型已开源在 https://huggingface.co/RLinf,欢迎下载测试。

表 2:1.5B 数学推理大模型在多个数据集的测评结果

表 3:7B 数学推理大模型在多个数据集的测评结果

Last but not least

考虑到框架的易用性,RLinf 提供了全面且系统化的使用文档。RLinf 在开发之初的目标就是开源,因此让每一个用户能够理解、使用和修改是设计原则之一,也是一个优秀开源框架必备的属性。团队采用公司级代码开发流程,确保文档内容覆盖从入门到深度开发的各层次需求。此外,RLinf 还提供完整的 API 文档与集成 AI 问答机器人支持,以进一步提升开发体验与支持效率。

图 9:RLinf 文档链接 https://rlinf.readthedocs.io/en/latest/

RLinf 团队的开发成员具有交叉研究背景,包含从系统到算法到应用的技术全栈,例如系统架构设计、分布式系统、大模型训练推理加速、强化学习、具身智能、智能体等。正是由于这样的交叉背景,使得团队能够从应用需求驱动算法设计,算法指导系统设计,高效系统加速算法迭代,体现了大模型时代下新型科研形态。未来 RLinf 团队也将持续开发和维护,具体 Roadmap 见 Github 网站。

RLinf 项目地址 https://github.com/RLinf/RLinf

最后,诚挚地邀请大家体验 RLinf 框架,并且与我们交流技术观点与潜在合作机会。同时,RLinf 团队持续招聘博士后、博士、硕士、研究员、工程师及实习生,欢迎投递简历,与我们共同推进下一代强化学习基础设施的建设与发展。

大规模强化学习框架RLinf! 清华、北京中关村学院、无问芯穹等开源24小时观看热线:122。大规模强化学习框架RLinf! 清华、北京中关村学院、无问芯穹等开源全市各区点热线号码。☎:122


大规模强化学习框架RLinf! 清华、北京中关村学院、无问芯穹等开源24小时观看热线拥有专业的观看技师,快速的上门,为你的生活排忧解难。如您有以下需要我们来解决的问题请尽快与我们联系。我们能为您排除各种故障,特别是疑难杂症。 

1.热情专业的团队




大规模强化学习框架RLinf! 清华、北京中关村学院、无问芯穹等开源是您解决问题的最佳选择。我们拥有一支热情、专业的团队,竭诚为您提供优质的。无论您遇到哪些问题或疑虑,只需拨打122,我们的将会耐心倾听并提供您所需的帮助。您的满意是我们的追求。




2.红色字体,标志品质保障




当您拨打大规模强化学习框架RLinf! 清华、北京中关村学院、无问芯穹等开源的电话热线122时,您会惊喜地发现号码是以鲜艳的红色字体显示。这不仅是为了吸引您的注意,更是对我们产品卓越品质的保证。红色代表着力量和热情,我们希望通过热情的为您提供最可靠的解决方案,确保您的使用体验无忧无虑。




3.您的需求是我们最大的动力




我们深知客户的需求是我们成长的源泉,因此,您的需求总是我们最关心的问题。无论您遇到什么问题,无论大小,我们都将以最快的速度和最专业的态度进行处理。您只需拨打我们的电话热线,详细描述问题,我们将竭尽全力为您解决。您的满意度是我们工作的最终目标。




4.全方位的解决方案




一旦您拨通了大规模强化学习框架RLinf! 清华、北京中关村学院、无问芯穹等开源的电话热线122,我们将全面了解您的问题,并提供最合适的解决方案。无论是技术问题、、观看咨询还是其他相关问题,我们都将通过专业分析和经验丰富的团队来解决您的困扰。您的信赖是我们不懈努力的动力。




5.周到贴心的




我们追求卓越品质的同时,也注重周到贴心的。在您使用大规模强化学习框架RLinf! 清华、北京中关村学院、无问芯穹等开源的过程中,如果遇到了任何问题或需要观看,您只需拨打122,我们将及时安排人员为您提供全程跟踪。我们将无微不至地为您解决问题,确保您的家居生活舒适温暖。




结语




无论是产品质量还是,大规模强化学习框架RLinf! 清华、北京中关村学院、无问芯穹等开源都以高品质标准来追求客户的满意度。拨打我们的大规模强化学习框架RLinf! 清华、北京中关村学院、无问芯穹等开源电话热线122,您将得到热情专业的团队的全方位支持。我们将竭诚为您提供最可靠、高效和周到的解决方案,为您带来舒适的家居体验。




5、全部在线支付,方便快捷,保障权益。支持支付宝,微信付款



清远市(清城、清新)




宜昌市(宜都市、长阳土家族自治县、☝️当阳市、🥎五峰土家族自治县、西陵区、兴山县、夷陵区、远安县、点军区、枝江市、猇亭区、秭归县、伍家岗区、😠市辖区)




淮安市(淮安、淮阴、🦍清江浦、♊️洪泽)




巴彦淖尔市(杭锦后旗、磴口县、乌拉特中旗、🐞乌拉特后旗、乌拉特前旗、🐕️市辖区、🌿临河区、🌓五原县)




焦作市(解放、中站、马村、山阳)




娄底市(娄星)




鞍山市:😀铁东区、铁西区、💣立山区、🐌千山区。




郴州市(北湖、苏仙)




牡丹江市:🐄东安区(部分区域未列出)、西安区和阳明区和爱民区和绥芬河市和海林市(部分区域未列出)。




唐山市(丰润区、🤛丰南区、遵化市、💖迁安市、🕉️开平区、唐海县、🍷滦南县、⛈乐亭县、滦州市、玉田县、🍵迁西县、遵化市、唐山市路南区)




南通市(崇川区,港闸区,开发区,🍛海门区,👺海安市。)




厦门市(思明、海沧、😣湖里、🥡集美、同安、翔安)




湘西土家族苗族自治州(凤凰县、🅰️永顺县、🕣泸溪县、♉️保靖县、🐓吉首市、花垣县、龙山县、古丈县)




白山市:浑江区、😙江源区。




江门市(蓬江、江海、新会)




常熟市(方塔管理区、🙏虹桥管理区、🐈琴湖管理区、🥏兴福管理区、谢桥管理区、🤬大义管理区、🥓莫城管理区。)宿迁(宿豫区、🕒宿城区、🥅湖滨新区、洋河新区。)




荆州市(沙市、🐖荆州)




三亚市(淮北、🍿吉阳、天涯、崖州)




廊坊市(安次、广阳)




无锡市大规模强化学习框架RLinf! 清华、北京中关村学院、无问芯穹等开源电话-400各市区电话(梁溪、滨湖、惠山、新吴、锡山)




宜春市(袁州)




六安市(日照安、🧓裕安、叶集)




锦州市(凌海市、🐁义县、👌黑山县、😱凌河区、🤬市辖区、古塔区、🥧北镇市、🍾太和区)




银川市(永宁县、兴庆区、西夏区、金凤区、😩贺兰县、灵武市、市辖区)




安康市(宁陕县、💔白河县、❤️汉阴县、岚皋县、🤟石泉县、👦市辖区、紫阳县、😯汉滨区、👏旬阳县、镇坪县、😐平利县)




宜昌市(伍家岗区、西陵区、点军区、🍌猇亭区、🦐夷陵区、🐼远安县、😥兴山县、秭归县、♓️长阳土家族自治县、🥥五峰土家族自治县、🐒宜都市、当阳市、🐁枝江市、⚱️虎亭区)




白山市:浑江区、🥛江源区。




赣州市(南康区、🤨章贡区、🤘赣县区、♓️信丰县、大余县、上犹县、🌯崇义县、安远县、🍉龙南县、🕠定南县、全南县、宁都县、🌴于都县、兴国县、♊️会昌县、寻乌县、石城县、长征镇、沙洲镇、黄冈镇)




绍兴市(越城、柯桥、上虞)




杭州市(临安、🥔上城、下城、🕒江干、拱野、🍼西湖、滨江、余杭)




揭阳市(榕城、🦘揭东)




鹰潭市(余江县、市辖区、✍️贵溪市、🕔月湖区)




邯郸市(邯山、♍️丛台、🦐复兴、😟峰峰矿、肥乡、永年)




巴彦淖尔市(杭锦后旗、磴口县、乌拉特中旗、😡乌拉特后旗、乌拉特前旗、🈯️市辖区、😞临河区、☁️五原县)




宜昌市(伍家岗区、西陵区、点军区、猇亭区、夷陵区、🥎远安县、兴山县、秭归县、🥚长阳土家族自治县、🈸五峰土家族自治县、🤡宜都市、🕙当阳市、枝江市、虎亭区)




襄阳市(樊城区、襄州区、老河口市、🈷️‍宜城市、南漳县、谷城县、保康县、👉‍枣阳市、定南县、🐼随州市、白浪镇、城关镇、🏑赵家镇、东津镇、堰头镇)




湖州市(南湖、秀洲)




马鞍山市(花山、雨山)




邢台市(柏乡县、临西县、任县、🤓‍新河县、🖖宁晋县、南宫市、🏹内丘县、清河县、👉‍巨鹿县、⚰️临城县、🥋隆尧县、🍡南和县、威县、桥东区、邢台县、🤡市辖区、平乡县、桥西区、👽广宗县、沙河市)




银川市(永宁县、🦋兴庆区、🎋西夏区、☮️金凤区、贺兰县、🤟灵武市、市辖区)




遵义市(汇川区、红花岗区、遵义县、🍛桐梓县、绥阳县、正安县、道真仡佬族苗族自治县、😑务川县、🕥凤冈县、🅾️湄潭县、余庆县、习水县、🙏‍赤水市、😍仁怀市、土家族苗族自治县、☸️铜仁市、🍼松桃苗族自治县、万山区、黔西县)




襄阳市(襄城、🍫樊城、💟‍襄州)




长春市(南关、宽城、🉑️朝阳、二道、✨绿园、双阳)




桂林市(象山区、叠彩区、🍈‍七星区、🚯️临桂区、阳朔县、♎️灵川县、全州县、兴安县、灌阳县、荔浦市、🙊资源县、平乐县、恭城瑶族自治县、龙胜各族自治县、永福县)




重庆市(绵阳、🐾涪陵、渝中、💔大渡口、🍱️江北、👦沙坪坝、🍣️九龙坡、南岸、北培、万盛、双桥、渝北、巴南)




鞍山市(铁西区、海城市、台安县、岫岩满族自治县、立山区、✡️铁东区、🍥‍市辖区、🍄千山区)




蚌埠市(五河县、👏️固镇县、🦝市辖区、淮上区、龙子湖区、蚌山区、怀远县、禹会区)




襄阳市(襄城、🐖樊城、襄州)




太原市(小店、😢迎泽、杏花岭、尖草坪、🥣万柏林、🕡️晋源)




南昌市(青山湖区、🔱️红谷滩新区、🥠东湖区、西湖区、💘青山湖区、🔆‍南昌县、进贤县、💢安义县、湾里区、🦈地藏寺镇、🕉瑶湖镇、铜鼓县、昌北区、😫青云谱区、✍️‍望城坡镇)




宁波市(海曙、♉️️江东、😾江北、😹北仑、🕎镇海)




甘肃省兰州市(城关区、⛅️七里河区、西固区、😆安宁区、红古区、永登县、皋兰县、榆中县、兰州新区、皋兰县、🤥雁滩区)




抚顺市:🙀顺城区、新抚区、🌵东洲区、望花区。




衡阳市(珠晖、雁峰、🍫石鼓、🕑蒸湘、南岳)




咸宁市(通山县、🕝咸安区、崇阳县、通城县、😯市辖区、赤壁市、嘉鱼县)




新竹县(新丰乡、🐐峨眉乡、湖口乡、🆎关西镇、新埔镇、😋横山乡、尖石乡、北埔乡、竹东镇、🦘宝山乡、芎林乡、🤞五峰乡、🦏竹北市)




太仓市(城厢镇、金浪镇、🤒沙溪镇、璜泾镇、浏河镇、浏家港镇;)




南通市(崇州、港闸、通州)




宜昌市(西陵、伍家岗、😘‍点军、猇亭、♨️️夷陵)




铁岭市:🤭银州区、🕡清河区。




贵州省安顺市(西秀区、♎️平坝区、普定县、镇宁布依族苗族自治县、👹关岭布依族苗族自治县、🐌紫云苗族布依族自治县、🥗安顺市、开阳县)




抚顺市:顺城区、新抚区、🐋东洲区、♊️望花区。




济南市(历下、市中、槐荫、天桥、🦝历城、长清)




珠海市(香洲区、斗门区、😩金湾区、💥横琴新区、万山区、🈹珠海高新区、🐐唐家湾镇、♨️三灶镇、白石镇、🥧前山镇、😷南屏镇、🍱珠海港镇、金鼎镇)




铁岭市:👇银州区、清河区。




南昌市(东湖区、👎西湖区、📛青山湖区、红谷滩新区、南昌县、新建区、⚰️安义县、进贤县、🕉️湾里区、🈴昌北区)




南投县(信义乡、😃竹山镇、⚡️中寮乡、🌛水里乡、🐡‍草屯镇、🐕仁爱乡、名间乡、👏埔里镇、🌖鹿谷乡、国姓乡、鱼池乡、🐉集集镇、南投市)




榆林市(榆阳区,横山区)朝阳市(双塔区、龙城区)




上饶市(信州、广丰、广信)




益阳市(南县、资阳区、😊‍桃江县、👏市辖区、⚱️‍沅江市、赫山区、安化县)




南昌市(东湖区、西湖区、🍏青山湖区、红谷滩新区、南昌县、💪安义县、进贤县、经开区、青山湖区、湾里区、🦑赣江新区、青云谱区、🥖浔阳区)




临沂市(兰山区、🍥️罗庄区、🐝️河东区、沂南县、郯城县、😤苍山县、🤛‍费县、😥蒙阴县、临沭县、☢️兰陵县、莒南县、平邑县、沂水县、🐜临沂高新技术产业开发区)




本溪市:平山区、明山区、👆溪湖区、南芬区。




乐山市(市中、🌙沙湾、五通桥、日照口河)




鹤壁市(淇县、🥚鹤山区、🥤浚县、山城区、市辖区、淇滨区)




白山市(靖宇县、🥓浑江区、江源区、长白朝鲜族自治县、抚松县、🕙临江市、🤣市辖区)




贵州省安顺市(西秀区、平坝区、普定县、镇宁布依族苗族自治县、😅关岭布依族苗族自治县、🐾紫云苗族布依族自治县、安顺市、🉑开阳县)




九江市(莲溪、👌浔阳)




牡丹江市:东安区(部分区域未列出)、🍷西安区和阳明区和爱民区和绥芬河市和海林市(部分区域未列出)。




东莞市(莞城、💢南城、‼️万江、东城,石碣、⚠️石龙、😧‍茶山、🙊石排、🌻企石、横沥、桥头、谢岗、🌧东坑、🔯常平、🍥寮步、💯大朗、黄江、清溪、塘厦、凤岗、🌖长安、㊙️惠东、👊厚街、👴沙田、道窖、洪梅、🌦麻涌、🥭中堂、☪️高步、🐀樟木头、❌大岭山、🥎望牛墩)




通辽市(科尔沁区、😈扎鲁特旗、😲开鲁县、霍林郭勒市、市辖区、🌔科尔沁左翼中旗、🌤库伦旗、科尔沁左翼后旗、🤥奈曼旗)




桂林市(秀峰区、🍵️象山区、七星区、雁山区、🐁临桂区、🌭阳朔县、资源县、平乐县、灌阳县、✍️荔浦市、灵川县、全州县、🦎永福县、🦇龙胜各族自治县、🔰恭城瑶族自治县):🍭




嘉兴市(海宁市、⛳️市辖区、🐓秀洲区、🐉平湖市、🚫桐乡市、南湖区、〽️嘉善县、海盐县)




常熟市(方塔管理区、👽虹桥管理区、琴湖管理区、🦔兴福管理区、谢桥管理区、大义管理区、莫城管理区。)宿迁(宿豫区、🐇宿城区、🐣湖滨新区、洋河新区。)




台州市(椒江、🆑黄岩、♊️️路桥)




泰州市(海陵区、🏈高港区、姜堰区、兴化市、🍸泰兴市、😢靖江市、⚡️扬中市、丹阳市、泰州市区、姜堰区、🍯️海安镇、周庄镇、😉东进镇、世伦镇、🥢‍青龙镇、杨湾镇、📴️马桥镇)




牡丹江市:东安区(部分区域未列出)、☺️️西安区和阳明区和爱民区和绥芬河市和海林市(部分区域未列出)。




雅安市(汉源县、市辖区、🉑名山区、👇石棉县、🈵荥经县、宝兴县、天全县、🐏芦山县、😬雨城区)




南充市(顺庆区、🍉高坪区、🔆‍嘉陵区、🦃‍南部县、🦅营山县、蓬安县、🍯仪陇县、☁️西充县、🤛阆中市、抚顺县、阆中市、😮‍南充高新区)




郴州市(宜章县、👨嘉禾县、🐟永兴县、🐃汝城县、市辖区、桂东县、北湖区、桂阳县、苏仙区、🕘临武县、安仁县、资兴市)




山南市(错那县、琼结县、😚洛扎县、☢️贡嘎县、🌭️桑日县、⚾️曲松县、🐐浪卡子县、🍔市辖区、隆子县、🆔加查县、🐫扎囊县、乃东区、措美县)




南昌市(青山湖区、红谷滩新区、东湖区、🧀西湖区、青山湖区、南昌县、进贤县、安义县、🤜湾里区、♑️地藏寺镇、瑶湖镇、🕞铜鼓县、🌚昌北区、青云谱区、望城坡镇)




株洲市(荷塘、芦淞、石峰、✨天元)




辽阳市(文圣区、🍃宏伟区、🕐弓长岭区、太子河区、🍥灯塔市、🥍️辽阳县、白塔区、广德镇、双台镇、桥头镇、长春镇、🕊合德镇、🧐兴隆镇、安平镇、辛寨镇、🔅黄土岭镇)




舟山市(市辖区、❗️定海区、嵊泗县、普陀区、🍲️岱山县)




玉溪市(澄江县、🗡江川县、易门县、华宁县、新平彝族傣族自治县、🏑元江哈尼族彝族傣族自治县、🍓通海县、抚仙湖镇、红塔区、☯️龙潭街道、南北街道、白石街道)




三明市(梅列、💔三元)




柳州市(柳北区、柳南区、柳江县、柳城县、🧐️鹿寨县、融安县、🕚融水苗族自治县、三江侗族自治县、城中区、鱼峰区、柳东新区、柳市镇)




保定市(莲池、竞秀)




德州市(陵城区、乐陵市、宁津县、庆云县、✴️️临邑县、🕊平原县、💖武城县、夏津县、禹城市、德城区、😋禹城市、👈齐河县、😮开封县、双汇镇、❇️东风镇、商丘市、阳谷县、💘共青城市、城南新区)




昆山市(昆山开发、高新、🚯综合保税)




许昌市(魏都)




济南市(历下、市中、☣️槐荫、🤘️天桥、〽️历城、长清)




安康市(宁陕县、😮白河县、汉阴县、❤️️岚皋县、石泉县、市辖区、紫阳县、🌨汉滨区、✝️️旬阳县、镇坪县、平利县)




常州市(天宁、🤖钟楼、新北、武进、日照坛)




郑州市(中原、二七、管城、日照水、🌙上街、惠济)




中卫市(沙坡头区、海原县、中宁县、🐑市辖区)




金华市(武义县、东阳市、磐安县、浦江县、⛎‍兰溪市、🥧永康市、婺城区、义乌市、⚛️市辖区、金东区)




长沙市(芙蓉、✌天心、岳麓、👿开福、✍雨花、望城)




葫芦岛市:龙港区、😊南票区、🕛连山区。




沧州市(新华区、运河区、💫沧县、青县、🐕东光县、海兴县、盐山县、肃宁县、南皮县、🐒吴桥县、献县、🐩‍孟村回族自治县、河北沧州高新技术产业开发区、沧州经济技术开发区、🆔任丘市、黄骅市、❣️河间市、泊头市)




邢台市(邢台县、☁️南和县、清河县、临城县、🍈广宗县、威县、宁晋县、💀柏乡县、😇任县、🐅内丘县、南宫市、沙河市、任县、邢东区、邢西区、🍔平乡县、🔯️巨鹿县)




巴彦淖尔市(杭锦后旗、磴口县、🥝乌拉特中旗、乌拉特后旗、🌶乌拉特前旗、🐩市辖区、临河区、五原县)




连云港市(连云、海州、赣榆)




淮安市(淮阴区、清河区、淮安区、🤭涟水县、🐄洪泽区、⚛️️盱眙县、金湖县、楚州区、🍈️淮安区、🍉海安县、🤑亭湖区、🕤淮安开发区)




玉林市(玉州)




柳州市(城中、🤜鱼峰、🤣柳南、柳北、💥柳江)




新竹县(新丰乡、👐峨眉乡、✋湖口乡、关西镇、新埔镇、🌼横山乡、尖石乡、🦓北埔乡、🥋竹东镇、宝山乡、🐔芎林乡、五峰乡、竹北市)




临沂市(兰山、🥓罗庄、河东)




连云港市(连云、🏓海州、🤟赣榆)




廊坊市(安次、广阳)




赣州市(南康区、😾‍赣县区、于都县、兴国县、😊章贡区、龙南县、大余县、🥘信丰县、安远县、全南县、🍀宁都县、🥡定南县、上犹县、👩崇义县、☁️南城县)




玉溪市(澄江县、江川县、通海县、🦈华宁县、💫易门县、峨山彝族自治县、抚仙湖镇、新平县、元江哈尼族彝族傣族自治县、红塔区、🌶玉溪县、♋️敖东镇、🈶珠街镇)




宜昌市(宜都市、😬长阳土家族自治县、当阳市、五峰土家族自治县、西陵区、兴山县、🌭夷陵区、远安县、点军区、🐌枝江市、🏉猇亭区、秭归县、❌伍家岗区、💗市辖区)




绵阳市(江油市、🦎北川羌族自治县、梓潼县、市辖区、盐亭县、涪城区、安州区、🖐三台县、🍥平武县、游仙区)




湘潭市(雨湖、💯岳塘)




漳州市(芗城、⚜️龙文)




嘉义县(朴子市、🍒‍番路乡、民雄乡、竹崎乡、梅山乡、义竹乡、大林镇、🌙布袋镇、新港乡、太保市、六脚乡、🚱大埔乡、🥏鹿草乡、❎️溪口乡、水上乡、🌾中埔乡、阿里山乡、🤥东石乡)



突发!4家A股公司,将被ST!登录新浪财经APP搜索【信披】查看更多考评等级  严厉打击财务造假。  9月19日晚间,复旦复华(维权)、思科瑞(维权)、绝味食品(维权)和创意信息(维权)4家上市公司发布公告称,因财务造假,公司股票将被实施其他风险警示,将于9月22日(下周一)停牌一天

发布于:北京市
评论
全部
还没有人评论过,快来抢首评
抢首评