#reinforcement-learning-from-human-feedback Dépôts
Découvrez 33 dépôts GitHub open source actifs associés à #reinforcement-learning-from-human-feedback, cumulant 86,497 étoiles au total (soit une moyenne de 2,621 étoiles par projet). Le projet en tête de ce thème est huggingface/trl, avec 19,788 étoiles.
33 dépôts au total
Entraîner des modèles linguistiques Transformer avec l'apprentissage par renforcement.
Un framework RL agentique facile à utiliser, scalable et haute performance basé sur Ray (PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & Async RL)
DeepSeekMath : Repousser les limites du raisonnement mathématique dans les modèles linguistiques ouverts
Implémentation de référence pour le DPO (Direct Preference Optimization)
Modèle HY-Motion pour la génération de mouvements humains 3D ou d'animations 3D de personnages.
[NeurIPS 2025] Une implémentation officielle de Flow-GRPO : Entraînement de modèles de correspondance de flux via RL en ligne
À propos de choses impressionnantes pour les agents de fondation. Articles / Repos / Blogs / ...
Une implémentation GRPO très simple pour reproduire la pensée LLM de type r1.
Une implémentation officielle de DanceGRPO : Déchaîner GRPO sur la génération visuelle
RLHF Sûr : Alignement des Valeurs Contraints par l'Apprentissage par Renforcement Sûr à partir des Retours Humains
Le dépôt officiel de Pai-Megatron-Patch pour la formation à grande échelle de LLM et VLM développé par Alibaba Cloud.
[ICLR2026] Ceci est le premier article à explorer comment utiliser efficacement le RL de type R1 pour les MLLMs et présenter Vision‑R1, un MLLM de raisonnement qui exploite l'initialisation à démarrage froid et l'entraînement RL pour inciter la capacité de raisonnement.
Alignement direct de la trajectoire de diffusion complète sur les préférences humaines granulaires
ChatLLaMA 📢 Implémentation open source pour ChatGPT basé sur LLaMA exécutable sur un seul GPU. Processus d'entraînement 15 fois plus rapide que ChatGPT
[NeurIPS'23 Spotlight] "Mind2Web: Towards a Generalist Agent for the Web" -- le premier agent web basé sur LLM et benchmark pour les agents web généralistes
Apprentissage des grands modèles linguistiques (LLM) (Apprentissage des grands modèles linguistiques)
Framework léger de post-entraînement pour LLM, prend en charge SFT, RLVR, On-Policy KD, Guide KD et entraînement mixte ; implémente distillation Guide mono/multi-tour, distillation multi-enseignant, entraînement mixte Reward et partitionnement de données automatisé👩🎓👨🎓
Un framework de simulation pour RLHF et ses alternatives. Développez votre méthode RLHF sans collecter de données humaines.
Implémentation officielle de UnifiedReward et [NeurIPS 2025] UnifiedReward-Think et UnifiedReward-Flex
Une encyclopédie des techniques de jailbreaking pour rendre les modèles d'IA plus sûrs.
R1-onevision, un modèle linguistique visuel capable d'un raisonnement CoT approfondi.
Ceci est une collection d'articles de recherche sur les grands modèles linguistiques auto-correctifs avec retour automatisé.
Foire aux questions
Quel est le dépôt #reinforcement-learning-from-human-feedback le plus populaire sur GitHub ?
Le projet #reinforcement-learning-from-human-feedback open source le mieux classé sur GitHub est huggingface/trl, avec 19,788 étoiles. Entraîner des modèles linguistiques Transformer avec l'apprentissage par renforcement.
Quels langages de programmation sont les plus utilisés dans les dépôts #reinforcement-learning-from-human-feedback ?
Parmi les projets #reinforcement-learning-from-human-feedback les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, HTML, TypeScript.
Comment le classement des dépôts #reinforcement-learning-from-human-feedback est-il calculé ?
Nous suivons 33 dépôts open source actifs associés à #reinforcement-learning-from-human-feedback (500+ étoiles), totalisant 86,497 étoiles, avec une moyenne de 2,621 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.