#grpo Repository
Scopri 27 repository GitHub open source attivi contrassegnati con #grpo, che raccolgono un totale di 107,970 stelle (con una media di 3,998 stelle per progetto). Il progetto leader di questo argomento è modelscope/ms-swift, con 16,138 stelle.
27 repository in totale
Utilizza PEFT o l’addestramento con tutti i parametri per CPT/SFT/DPO/GRPO su oltre 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) e oltre 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).
Libreria open-source completa di competenze di ricerca e ingegneria AI per qualsiasi modello AI. Impacchetta queste competenze e il tuo agente claude code/codex/gemini sarà un agente di ricerca AI a piena potenza. Mantenuto da Orchestra Research.
Guida allo sviluppo di agenti IA | Agent Harness | Ingegneria del contesto | RAG avanzato | MCP | Apprendimento per rinforzo agentico (Agentic RL) | LangGraph nella pratica | Oltre 12.000 domande di colloquio sui modelli linguistici di grandi dimensioni | Ricerca di lavoro per ruoli di algoritmi / sviluppo | Passare professionalmente al settore dei modelli linguistici di grandi dimensioni
Agent Reinforcement Trainer: addestra agenti multi-step per attività del mondo reale utilizzando GRPO. Fornisci ai tuoi agenti una formazione sul campo. Apprendimento per rinforzo per Qwen3.6, GPT-OSS, Llama e altro ancora!
Metti facilmente a punto (SFT/RL), valuta e distribuisci Qwen, Gemma o qualsiasi LLM/VLM agentico open source!
Implementa un LLM di ragionamento in PyTorch da zero, passo dopo passo
🚀 Un curriculum open-source e hands-on che colma il divario dai concetti base di RL all'allineamento LLM, RLVR e sistemi Agentic avanzati.
Skywork-R1V è una serie avanzata di modelli di IA multimodale sviluppata da Skywork AI, specializzata nel ragionamento visione-linguaggio.
Copre i dati di pre-addestramento, i tokenizer, i Transformer, il MoE, l’addestramento distribuito, le leggi di scaling, l’inferenza e l’allineamento. 6 esercizi di programmazione progressivi per apprendere gli LLM a 360 gradi.
verl-agent è un'estensione di veRL, progettata per l'addestramento di agenti LLM/VLM tramite RL. verl-agent è anche il codice ufficiale per il paper "Group-in-Group Policy Optimization for LLM Agent Training"
Repository ufficiale di 'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning’
[ECCV 2026] MixGRPO: Sbloccare l'efficienza di GRPO basata sul flusso con ODE-SDE misto
Lo stack di miglioramento continuo per agenti. I nostri dati ambientali e le nostre valutazioni alimentano il miglioramento e il monitoraggio degli agenti.
Halo è un framework open source sviluppato da White Circle per addestrare modelli linguistici di grandi dimensioni e modelli multimodali
Un tutorial sistematico sullo sviluppo di Agenti IA che copre agenti LLM, RAG, uso di strumenti, sistemi di memoria, sistemi multi-agente, LangChain, LangGraph, MCP e RL agentico. | Impara lo sviluppo di Agenti IA da zero | Tutorial di sviluppo di Agenti sistematico, completo e orientato alla pratica | Tracciamento automatico giornaliero degli ultimi articoli arXiv
Fin-R1 è un modello linguistico di grandi dimensioni per il ragionamento finanziario complesso, sviluppato e reso open-source grazie agli sforzi congiunti del SUFE-AIFLM-Lab presso la Scuola di Statistica e Scienza dei Dati dell'Università di Finanza ed Economia di Shanghai e FinStep.AI.
[NeurIPS 2025] AutoVLA: Un modello Visione-Lingua-Azione per la guida autonoma end-to-end con ragionamento adattivo e fine-tuning per rinforzo
Un motore di apprendimento per rinforzo asincrono per il post-addestramento omnimodale su larga scala
🌾 OAT: Un framework orientato alla ricerca per l'allineamento online degli LLM, inclusi rinforzo e apprendimento delle preferenze, ecc.
RLAnything (ICML 2026) e AutoTool (ICML 2026), DemyAgent: Apprendimento per rinforzo open-source per LLM e scenari agentici
Un elenco curato di articoli sull'apprendimento per rinforzo per la generazione di video
FineEnvs — Introduzione agli ambienti RL: creare e scalare ambienti RL nell’era degli LLM
Implementazione ufficiale di GDPO: ottimizzazione delle politiche mediante normalizzazione disaccoppiata delle ricompense di gruppo per l’ottimizzazione dell’apprendimento per rinforzo multi-ricompensa
Domande frequenti
Qual è il repository #grpo più popolare su GitHub?
Il progetto open source #grpo più alto in classifica su GitHub è modelscope/ms-swift, con 16,138 stelle. Utilizza PEFT o l’addestramento con tutti i parametri per CPT/SFT/DPO/GRPO su oltre 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) e oltre 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).
Quali linguaggi di programmazione sono più utilizzati nei repository #grpo?
Tra i progetti #grpo più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, TeX, MDX.
Come viene calcolata la classifica dei repository #grpo?
Monitoriamo 27 repository open source attivi contrassegnati con #grpo (500+ stelle), per un totale di 107,970 stelle e una media di 3,998 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.