#reinforcement-learning-from-human-feedback Repositorios
Descubre 33 repositorios activos de código abierto de GitHub etiquetados con #reinforcement-learning-from-human-feedback, que acumulan 86,497 estrellas en total (una media de 2,621 estrellas por proyecto). El líder de este tema es huggingface/trl, con 19,788 estrellas.
33 repositorios en total
Un framework RL agentico fácil de usar, escalable y de alto rendimiento basado en Ray (PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & Async RL)
DeepSeekMath: Ampliando los límites del razonamiento matemático en modelos de lenguaje abiertos
Implementación de referencia para DPO (Direct Preference Optimization)
Modelo HY-Motion para la generación de movimientos humanos 3D o animaciones de personajes 3D.
[NeurIPS 2025] Una implementación oficial de Flow-GRPO: Entrenamiento de modelos de coincidencia de flujo a través de RL en línea
Sobre cosas geniales para agentes de la fundación. Artículos / Repositorios / Blogs / ...
Una implementación GRPO muy simple para reproducir el pensamiento de LLM similar a r1.
Una implementación oficial de DanceGRPO: Liberando GRPO en la generación visual
RLHF Seguro: Alineación de Valores Restringida mediante Aprendizaje por Refuerzo Seguro a partir de Retroalimentación Humana
El repositorio oficial de Pai-Megatron-Patch para el entrenamiento a gran escala de LLM y VLM desarrollado por Alibaba Cloud.
[ICLR2026] Este es el primer documento que explora cómo usar eficazmente RL similar a R1 para MLLMs e introduce Vision‑R1, un MLLM de razonamiento que aprovecha la inicialización de arranque en frío y el entrenamiento RL para incentivar la capacidad de razonamiento.
Alineación directa de la trayectoria de difusión completa con la preferencia humana detallada
ChatLLaMA 📢 Implementación de código abierto para ChatGPT basado en LLaMA ejecutable en una sola GPU. Proceso de entrenamiento 15 veces más rápido que ChatGPT
[NeurIPS'23 Spotlight] "Mind2Web: Towards a Generalist Agent for the Web" -- el primer agente web basado en LLM y benchmark para agentes web generalistas
Aprendizaje de modelos de lenguaje grandes (LLM) (Aprendizaje de modelos de lenguaje grandes)
Marco ligero de post-entrenamiento para LLM, soporta SFT, RLVR, On-Policy KD, Guide KD y entrenamiento mixto; implementa destilación Guide de una/multiple ronda, destilación multi-maestro, entrenamiento mixto de Reward y flujo de datos automatizado👩🎓👨🎓
Un marco de simulación para RLHF y alternativas. Desarrolle su método RLHF sin recopilar datos humanos.
Implementación oficial de UnifiedReward y [NeurIPS 2025] UnifiedReward-Think y UnifiedReward-Flex
Una enciclopedia de técnicas de jailbreaking para hacer que los modelos de IA sean más seguros.
R1-onevision, un modelo de lenguaje visual capaz de un razonamiento CoT profundo.
Esta es una colección de artículos de investigación sobre modelos de lenguaje grandes autocorrectoras con retroalimentación automatizada.
Preguntas frecuentes
¿Cuál es el repositorio de #reinforcement-learning-from-human-feedback más popular en GitHub?
El proyecto de código abierto de #reinforcement-learning-from-human-feedback mejor posicionado en GitHub es huggingface/trl, con 19,788 estrellas. Entrenar modelos de lenguaje Transformer con aprendizaje por refuerzo.
¿Qué lenguajes de programación se utilizan más en los repositorios de #reinforcement-learning-from-human-feedback?
Entre los proyectos de #reinforcement-learning-from-human-feedback mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, HTML, TypeScript.
¿Cómo se calcula la clasificación de los repositorios de #reinforcement-learning-from-human-feedback?
Seguimos 33 repositorios activos de código abierto etiquetados con #reinforcement-learning-from-human-feedback (500+ estrellas), que suman un total de 86,497 estrellas, con una media de 2,621 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.