#grpo Repositories
Entdecke 27 aktive Open-Source-GitHub-Repositories, die mit #grpo getaggt sind und insgesamt 107,970 Sterne gesammelt haben (durchschnittlich 3,998 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist modelscope/ms-swift mit 16,138 Sternen.
Insgesamt 27 Repositories
Verwenden Sie PEFT oder ein Training mit vollständigen Parametern für CPT/SFT/DPO/GRPO auf über 600 LLMs (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) und über 300 MLLMs (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).
Umfassende Open-Source-Bibliothek für KI-Forschungs- und Ingenieursfähigkeiten für jedes KI-Modell. Packen Sie die Fähigkeiten ein, und Ihr Claude-Code-/Codex-/Gemini-Agent wird zu einem KI-Forschungsagenten mit voller Leistung. Gepflegt von Orchestra Research.
Leitfaden zur Entwicklung von KI-Agenten | Agent Harness | Kontextengineering | Advanced RAG | MCP | Agentic RL (bestärkendes Lernen) | LangGraph in der Praxis | Über 12.000 Interviewfragen zu großen Sprachmodellen | Jobsuche für Stellen in den Bereichen Algorithmen / Entwicklung | Beruflicher Wechsel in den Bereich großer Sprachmodelle
Agent Reinforcement Trainer: Trainieren Sie Multi-Step-Agenten für reale Aufgaben mit GRPO. Geben Sie Ihren Agenten eine praxisnahe Ausbildung. Reinforcement Learning für Qwen3.6, GPT-OSS, Llama und mehr!
Qwen, Gemma oder jedes offene agentische LLM/VLM ganz einfach feinabstimmen (SFT/RL), evaluieren und bereitstellen!
Implementieren Sie Schritt für Schritt ein Reasoning LLM in PyTorch von Grund auf neu
🚀 Ein Open-Source-, praxisorientierter Lehrplan, der die Lücke von grundlegenden RL-Konzepten bis zur LLM-Ausrichtung, RLVR und fortgeschrittenen Agentic-Systemen überbrückt.
Skywork-R1V ist eine fortschrittliche multimodale KI-Modellreihe, entwickelt von Skywork AI, spezialisiert auf die Vision-Sprach-Argumentation.
Behandelt Vortrainingsdaten, Tokenizer, Transformer, MoE, verteiltes Training, Skalierungsgesetze, Inferenz und Alignment. 6 aufeinander aufbauende Programmieraufgaben für das ganzheitliche Lernen von LLMs.
verl-agent ist eine Erweiterung von veRL, die für das Training von LLM/VLM-Agenten über RL entwickelt wurde. verl-agent ist auch der offizielle Code für die Veröffentlichung "Group-in-Group Policy Optimization for LLM Agent Training"
Offizielles Repository von 'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning’
[ECCV 2026] MixGRPO: Effizienzsteigerung von flussbasiertem GRPO durch gemischte ODE-SDE
Der Continuous-Improvement-Stack für Agenten. Unsere Umgebungsdaten und Evaluierungen treiben die Verbesserung und Überwachung von Agenten voran.
Halo ist ein von White Circle entwickeltes Open-Source-Framework zum Trainieren großer Sprachmodelle und multimodaler Modelle
Ein systematisches Tutorial zur Entwicklung von KI-Agenten, das LLM-Agenten, RAG, Tool-Nutzung, Gedächtnissysteme, Multi-Agenten-Systeme, LangChain, LangGraph, MCP und agentisches RL abdeckt. | KI-Agenten-Entwicklung von Grund auf lernen | Systematisches, umfassendes und praxisorientiertes Agenten-Entwicklungs-Tutorial | Tägliche automatische Verfolgung der neuesten arXiv-Papiere
Fin-R1 ist ein großes Sprachmodell für komplexe Finanzlogik, das durch die gemeinsamen Anstrengungen des SUFE-AIFLM-Lab an der School of Statistics and Data Science der Shanghai University of Finance and Economics und FinStep.AI entwickelt und als Open Source veröffentlicht wurde.
[NeurIPS 2025] AutoVLA: Ein Vision-Language-Action-Modell für End-to-End-Autonomes Fahren mit adaptivem Reasoning und Reinforcement Fine-Tuning
Eine asynchrone Reinforcement-Learning-Engine für omnimodales Post-Training im großen Maßstab
🌾 OAT: Ein forschungsfreundliches Framework für die Online-Ausrichtung von LLMs, einschließlich Reinforcement Learning, Präferenzlernen usw.
RLAnything (ICML 2026) & AutoTool (ICML 2026), DemyAgent: Open-Source-RL für LLMs und Agenten-Szenarien
Erkunden Sie den multimodalen "Aha-Moment" auf dem 2B-Modell
Eine kuratierte Liste von Arbeiten zum Thema Reinforcement Learning für die Videogenerierung
FineEnvs — RL-Umgebungen 101: RL-Umgebungen im Zeitalter der LLMs erstellen und skalieren
Offizielle Implementierung von GDPO: Richtlinienoptimierung mit entkoppelter Gruppennormalisierung der Belohnungen für die Optimierung des Reinforcement Learning mit mehreren Belohnungen
Häufig gestellte Fragen
Welches ist das beliebteste #grpo-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#grpo-Projekt auf GitHub ist modelscope/ms-swift mit 16,138 Sternen. Verwenden Sie PEFT oder ein Training mit vollständigen Parametern für CPT/SFT/DPO/GRPO auf über 600 LLMs (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) und über 300 MLLMs (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).
Welche Programmiersprachen werden in #grpo-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #grpo-Projekten auf GitHub sind Python, Jupyter Notebook, TeX, MDX die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #grpo-Repositories berechnet?
Wir verfolgen 27 aktive Open-Source-Repositories, die mit #grpo getaggt sind (500+ Sterne), mit insgesamt 107,970 Sternen und durchschnittlich 3,998 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.