#rlhf Dépôts
Découvrez 59 dépôts GitHub open source actifs associés à #rlhf, cumulant 335,276 étoiles au total (soit une moyenne de 5,682 étoiles par projet). Le projet en tête de ce thème est hiyouga/LlamaFactory, avec 76,171 étoiles.
59 dépôts au total
Tutoriel de programmation de la série "Plongez dans les LLM : Apprenez les grands modèles linguistiques"
OpenAssistant est un assistant conversationnel qui comprend les tâches, peut interagir avec des systèmes tiers et récupérer des informations de manière dynamique pour ce faire.
La page GitHub officielle du document de synthèse "A Survey of Large Language Models".
Sortie officielle de la série InternLM (InternLM, InternLM2, InternLM2.5, InternLM3).
Grandes modèles chinois LLaMA-2 & Alpaca-2 Phase II + modèles à contexte ultra-long de 64K (Chinese LLaMA-2 & Alpaca-2 LLMs with 64K long context models)
Implémentez un LLM de raisonnement dans PyTorch à partir de zéro, étape par étape
Recettes robustes pour aligner les modèles linguistiques sur les préférences humaines et de l'IA
Construire, évaluer et optimiser les systèmes d'IA. Cela comprend les évaluations (evals), le RAG, les agents, l'ajustement précis (fine-tuning), la génération de données synthétiques, la gestion des ensembles de données, le MCP, et plus encore.
Argilla est un outil de collaboration permettant aux ingénieurs IA et aux experts du domaine de construire des ensembles de données de haute qualité
L'environnement de recherche open source pour les chercheurs en IA, permettant de former, d'évaluer et de mettre à l'échelle des modèles sans interruption, depuis le matériel local jusqu'aux clusters GPU.
🚀 Un curriculum open-source et pratique comblant l'écart des concepts RL de base à l'alignement LLM, RLVR et systèmes Agentic avancés.
Notre bibliothèque pour les environnements d'apprentissage par renforcement + évaluations
Align Anything : entraînement d'un modèle tout modalité avec feedback
Une liste organisée de ressources sur l'apprentissage par renforcement avec feedback humain (mise à jour en continu)
Distilabel est un framework pour les données synthétiques et le feedback IA destiné aux ingénieurs qui ont besoin de pipelines rapides, fiables et évolutives basées sur des articles de recherche vérifiés.
Une bibliothèque de mise à l'échelle efficace et conviviale pour l'apprentissage par renforcement avec de grands modèles linguistiques
Dépôt Officiel pour "Eureka: Human-Level Reward Design via Coding Large Language Models" (ICLR 2024)
LeetCode pour PyTorch — 65 problèmes d’entretien en ML/IA issus de véritables entretiens chez Google, Meta et Anthropic. Des notebooks Jupyter, un correcteur automatique et un tuteur IA basé sur MCP.
Un évaluateur automatique pour les modèles de langage qui suivent les instructions. Validé par l'homme, de haute qualité, peu coûteux et rapide.
[NeurIPS 2023] ImageReward : Apprentissage et évaluation des préférences humaines pour la génération texte-image
RLHF Sûr : Alignement des Valeurs Contraints par l'Apprentissage par Renforcement Sûr à partir des Retours Humains
Un framework de RL évolutif, axé sur les agents et natif de HuggingFace pour la recherche (9 000 lignes).
Xtreme1 est une plateforme tout-en-un d'étiquetage et d'annotation de données pour la formation de données multimodales et prend en charge les nuages de points 3D LiDAR, les images et les LLM.
Atropos est un framework d'environnements d'apprentissage par renforcement pour modèles linguistiques destiné à la collecte et à l'évaluation de trajectoires de LLM dans divers environnements
OpenJudge : Un cadre unifié pour l'évaluation holistique et les récompenses de qualité
📖 Une liste organisée de ressources dédiées à l'hallucination des grands modèles linguistiques multimodaux (MLLM).
Optimisation des LLM sans larmes💦 ; Sample Design Engineering (SDE) pour un réglage en aval plus efficace.
"AI-Compass" guidera la communauté pour naviguer dans l'océan des technologies IA. Que vous soyez débutant ou développeur confirmé, vous trouverez ici les voies vers toutes les grandes orientations de l'IA. Ce projet vise à aider les développeurs à comprendre de façon systématique les concepts clés de l'IA, les technologies majeures, les tendances de pointe, et, par la pratique, à maîtriser l’ensemble du processus, de la théorie à la mise en œuvre.
[NeurIPS 2024] SimPO : Optimisation Simple des Préférences avec une Récompense sans Référence
Une collection organisée d'articles, de rapports techniques, de cadres et d'outils pour la distillation en politique (OPD) des grands modèles de langage
Une bibliothèque avec des implémentations extensibles de DPO, KTO, PPO, ORPO et d'autres fonctions de perte axées sur l'humain (HALOs).
Halo est un framework open source développé par White Circle pour entraîner des modèles de langage de grande taille et des modèles multimodaux
Trinity-RFT est un framework généraliste, flexible et évolutif conçu pour le réglage fin par renforcement (RFT) de grands modèles de langage (LLM).
Un moteur d'apprentissage par renforcement asynchrone pour le post-entraînement omnimodal à grande échelle
🌾 OAT : Un framework convivial pour la recherche sur l'alignement en ligne des LLM, incluant l'apprentissage par renforcement, l'apprentissage par préférence, etc.
Foire aux questions
Quel est le dépôt #rlhf le plus populaire sur GitHub ?
Le projet #rlhf open source le mieux classé sur GitHub est hiyouga/LlamaFactory, avec 76,171 étoiles. Affinage efficace unifié de plus de 100 LLM et VLM (ACL 2024)
Quels langages de programmation sont les plus utilisés dans les dépôts #rlhf ?
Parmi les projets #rlhf les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, HTML, TypeScript.
Comment le classement des dépôts #rlhf est-il calculé ?
Nous suivons 59 dépôts open source actifs associés à #rlhf (500+ étoiles), totalisant 335,276 étoiles, avec une moyenne de 5,682 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.