Git Stars Git Stars

#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
Total de Repositorios
86,497
Total de estrellas
2,621
Promedio de Estrellas/Repo

33 repositorios en total

1
huggingface/trl

Entrenar modelos de lenguaje Transformer con aprendizaje por refuerzo.

huggingface
⭐ 19,788 Python 👤 huggingface Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-03-27
2
OpenRLHF/OpenRLHF

Un framework RL agentico fácil de usar, escalable y de alto rendimiento basado en Ray (PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & Async RL)

OpenRLHF
⭐ 10,173 Python 👤 OpenRLHF Organization 🕐 Actualizado 2026-11-03 📅 Creado 2023-07-30
3
zhaochenyang20/Awesome-ML-SYS-Tutorial

Mis apuntes de aprendizaje para ML SYS.

zhaochenyang20
⭐ 7,695 HTML 👤 zhaochenyang20 User 🕐 Actualizado 2026-10-21 📅 Creado 2024-11-09
4
thinking-machines-lab/tinker-cookbook

Post-entrenamiento con Tinker

thinking-machines-lab
⭐ 4,291 Python 👤 thinking-machines-lab Organization 🕐 Actualizado 2026-11-20 📅 Creado 2025-07-14
5
allenai/open-instruct

La base de código posterior al entrenamiento de AllenAI

allenai
⭐ 3,942 Python 👤 allenai Organization 🕐 Actualizado 2026-11-21 📅 Creado 2023-06-09
6
deepseek-ai/DeepSeek-Math

DeepSeekMath: Ampliando los límites del razonamiento matemático en modelos de lenguaje abiertos

deepseek-ai
⭐ 3,110 Python 👤 deepseek-ai Organization 🕐 Actualizado 2024-04-15 📅 Creado 2024-02-05
7
eric-mitchell/direct-preference-optimization

Implementación de referencia para DPO (Direct Preference Optimization)

eric-mitchell
⭐ 2,826 Python 👤 eric-mitchell User 🕐 Actualizado 2024-08-11 📅 Creado 2023-06-22
8
Tencent-Hunyuan/HY-Motion-1.0

Modelo HY-Motion para la generación de movimientos humanos 3D o animaciones de personajes 3D.

Tencent-Hunyuan
⭐ 2,679 Python 👤 Tencent-Hunyuan Organization 🕐 Actualizado 2026-11-13 📅 Creado 2025-12-29
9
yifan123/flow_grpo

[NeurIPS 2025] Una implementación oficial de Flow-GRPO: Entrenamiento de modelos de coincidencia de flujo a través de RL en línea

yifan123
⭐ 2,596 Python 👤 yifan123 User 🕐 Actualizado 2026-05-07 📅 Creado 2025-05-08
10
FoundationAgents/awesome-foundation-agents

Sobre cosas geniales para agentes de la fundación. Artículos / Repositorios / Blogs / ...

FoundationAgents
⭐ 2,200 👤 FoundationAgents Organization 🕐 Actualizado 2025-07-28 📅 Creado 2025-03-24
11
LeapLabTHU/Absolute-Zero-Reasoner

Repositorio Oficial de Absolute Zero Reasoner

LeapLabTHU
⭐ 1,893 Python 👤 LeapLabTHU User 🕐 Actualizado 2025-08-24 📅 Creado 2025-05-02
12
BytedTsinghua-SIA/DAPO

Un sistema RL de código abierto de ByteDance Seed y Tsinghua AIR

BytedTsinghua-SIA
⭐ 1,814 Python 👤 BytedTsinghua-SIA Organization 🕐 Actualizado 2025-05-11 📅 Creado 2025-03-17
13
lsdefine/simple_GRPO

Una implementación GRPO muy simple para reproducir el pensamiento de LLM similar a r1.

lsdefine
⭐ 1,719 Python 👤 lsdefine User 🕐 Actualizado 2025-11-21 📅 Creado 2025-02-10
14
JiuhaiChen/BLIP3o

Implementación oficial de la serie BLIP3o

JiuhaiChen
⭐ 1,667 Python 👤 JiuhaiChen User 🕐 Actualizado 2025-11-29 📅 Creado 2025-04-23
15
XueZeyue/DanceGRPO

Una implementación oficial de DanceGRPO: Liberando GRPO en la generación visual

XueZeyue
⭐ 1,654 Python 👤 XueZeyue User 🕐 Actualizado 2025-10-16 📅 Creado 2025-05-08
16
PKU-Alignment/safe-rlhf

RLHF Seguro: Alineación de Valores Restringida mediante Aprendizaje por Refuerzo Seguro a partir de Retroalimentación Humana

PKU-Alignment
⭐ 1,624 Python 👤 PKU-Alignment Organization 🕐 Actualizado 2025-11-24 📅 Creado 2023-05-15
17
alibaba/Pai-Megatron-Patch

El repositorio oficial de Pai-Megatron-Patch para el entrenamiento a gran escala de LLM y VLM desarrollado por Alibaba Cloud.

alibaba
⭐ 1,601 Python 👤 alibaba Organization 🕐 Actualizado 2025-12-15 📅 Creado 2023-09-04
18
Osilly/Vision-R1

[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.

Osilly
⭐ 1,558 Python 👤 Osilly User 🕐 Actualizado 2026-03-20 📅 Creado 2025-02-03
19
Duxiaoman-DI/XuanYuan

Xuanyuan: El modelo grande de diálogo financiero chino de Duxiaoman

Duxiaoman-DI
⭐ 1,323 Python 👤 Duxiaoman-DI Organization 🕐 Actualizado 2025-01-07 📅 Creado 2023-05-21
20
Tencent-Hunyuan/SRPO

Alineación directa de la trayectoria de difusión completa con la preferencia humana detallada

Tencent-Hunyuan
⭐ 1,278 Python 👤 Tencent-Hunyuan Organization 🕐 Actualizado 2026-05-11 📅 Creado 2025-09-09
21
henrywoo/chatllama

ChatLLaMA 📢 Implementación de código abierto para ChatGPT basado en LLaMA ejecutable en una sola GPU. Proceso de entrenamiento 15 veces más rápido que ChatGPT

henrywoo
⭐ 1,200 Python 👤 henrywoo User 🕐 Actualizado 2026-10-08 📅 Creado 2023-02-27
23
Xwin-LM/Xwin-LM

Xwin-LM: Alineación de LLM potente, estable y reproducible

Xwin-LM
⭐ 1,041 Python 👤 Xwin-LM Organization 🕐 Actualizado 2024-05-31 📅 Creado 2023-09-11
24
OSU-NLP-Group/Mind2Web

[NeurIPS'23 Spotlight] "Mind2Web: Towards a Generalist Agent for the Web" -- el primer agente web basado en LLM y benchmark para agentes web generalistas

OSU-NLP-Group
⭐ 1,036 Jupyter Notebook 👤 OSU-NLP-Group Organization 🕐 Actualizado 2025-11-05 📅 Creado 2023-04-21
25
kebijuelun/Awesome-LLM-Learning

Aprendizaje de modelos de lenguaje grandes (LLM) (Aprendizaje de modelos de lenguaje grandes)

kebijuelun
⭐ 984 TypeScript 👤 kebijuelun User 🕐 Actualizado 2026-01-05 📅 Creado 2023-08-06
26
mst272/LLM-Dojo

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👩‍🎓👨‍🎓

mst272
⭐ 939 Python 👤 mst272 User 🕐 Actualizado 2026-03-08 📅 Creado 2024-01-23
27
tatsu-lab/alpaca_farm

Un marco de simulación para RLHF y alternativas. Desarrolle su método RLHF sin recopilar datos humanos.

tatsu-lab
⭐ 840 Python 👤 tatsu-lab Organization 🕐 Actualizado 2024-07-01 📅 Creado 2023-05-03
28
CodeGoat24/UnifiedReward

Implementación oficial de UnifiedReward y [NeurIPS 2025] UnifiedReward-Think y UnifiedReward-Flex

CodeGoat24
⭐ 831 Python 👤 CodeGoat24 User 🕐 Actualizado 2026-06-18 📅 Creado 2025-03-04
30
General-Analysis/GA

Una enciclopedia de técnicas de jailbreaking para hacer que los modelos de IA sean más seguros.

General-Analysis
⭐ 583 Jupyter Notebook 👤 General-Analysis Organization 🕐 Actualizado 2025-05-26 📅 Creado 2025-01-18
31
Fancy-MLLM/R1-Onevision

R1-onevision, un modelo de lenguaje visual capaz de un razonamiento CoT profundo.

Fancy-MLLM
⭐ 581 Python 👤 Fancy-MLLM User 🕐 Actualizado 2025-04-13 📅 Creado 2025-02-08
33
teacherpeterpan/self-correction-llm-papers

Esta es una colección de artículos de investigación sobre modelos de lenguaje grandes autocorrectoras con retroalimentación automatizada.

teacherpeterpan
⭐ 562 👤 teacherpeterpan User 🕐 Actualizado 2024-10-28 📅 Creado 2023-08-04

Preguntas frecuentes

1

¿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.

2

¿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.

3

¿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.