#rlhf Repository
Scopri 59 repository GitHub open source attivi contrassegnati con #rlhf, che raccolgono un totale di 335,276 stelle (con una media di 5,682 stelle per progetto). Il progetto leader di questo argomento è hiyouga/LlamaFactory, con 76,171 stelle.
59 repository in totale
Tutorial di programmazione della serie "Immergi nei LLM: impara i modelli linguistici di grandi dimensioni"
OpenAssistant è un assistente conversazionale che comprende i compiti, può interagire con sistemi di terze parti e recuperare dinamicamente informazioni per farlo.
La pagina ufficiale di GitHub per l'articolo di rassegna "A Survey of Large Language Models".
Rilascio ufficiale della serie InternLM (InternLM, InternLM2, InternLM2.5, InternLM3).
Modelli LLaMA-2 e Alpaca-2 cinesi di grandi dimensioni Fase II + Modelli a contesto ultra-lungo da 64K (Chinese LLaMA-2 & Alpaca-2 LLMs with 64K long context models)
Implementa un LLM di ragionamento in PyTorch da zero, passo dopo passo
Ricette robuste per allineare i modelli linguistici alle preferenze umane e dell'IA
Costruire, Valutare e Ottimizzare i Sistemi di IA. Include valutazioni (evals), RAG, agenti, messa a punto (fine-tuning), generazione di dati sintetici, gestione dei set di dati, MCP e altro ancora.
Argilla è uno strumento di collaborazione per ingegneri AI ed esperti di dominio per costruire set di dati di alta qualità
L'ambiente di ricerca open source per i ricercatori di intelligenza artificiale, che consente di addestrare, valutare e scalare modelli in modo fluido, dal hardware locale ai cluster GPU.
🚀 Un curriculum open-source e hands-on che colma il divario dai concetti base di RL all'allineamento LLM, RLVR e sistemi Agentic avanzati.
Un elenco curato di risorse sull'apprendimento per rinforzo con feedback umano (in continuo aggiornamento)
Distilabel è un framework per dati sintetici e feedback AI per ingegneri che necessitano di pipeline veloci, affidabili e scalabili basate su ricerche verificate.
Una libreria di scaling efficiente e user-friendly per il Reinforcement Learning con modelli linguistici di grandi dimensioni
Repository Ufficiale per "Eureka: Human-Level Reward Design via Coding Large Language Models" (ICLR 2024)
LeetCode per PyTorch — 65 problemi di colloqui su ML/IA tratti da colloqui reali presso Google, Meta e Anthropic. Notebook Jupyter, un correttore automatico e un tutor AI basato su MCP.
Un valutatore automatico per modelli linguistici che seguono istruzioni. Validato dagli esseri umani, di alta qualità, economico e veloce.
[NeurIPS 2023] ImageReward: Apprendimento e Valutazione delle Preferenze Umane per la Generazione di Testo-a-Immagine
RLHF Sicuro: Allineamento dei Valori con Vincoli tramite Apprendimento per Rinforzo Sicuro dal Feedback Umano
WebGLM: Un efficiente sistema di risposta alle domande potenziato dal web (KDD 2023)
Un framework di RL scalabile, orientato innanzitutto agli agenti e nativo di HuggingFace per la ricerca (9.000 righe).
Xtreme1 è una piattaforma all-in-one per l'etichettatura e l'annotazione dei dati per l'addestramento di dati multimodali e supporta nuvole di punti 3D LiDAR, immagini e LLM.
Atropos è un framework di ambienti di apprendimento per rinforzo per modelli linguistici per la raccolta e la valutazione di traiettorie di LLM attraverso ambienti diversi
OpenJudge: Un framework unificato per la valutazione olistica e ricompense di qualità
📖 Un elenco curato di risorse dedicate all'allucinazione di modelli linguistici di grandi dimensioni multimodali (MLLM).
Messa a punto di LLM senza lacrime💦; Sample Design Engineering (SDE) per un tuning downstream più efficiente.
"AI-Compass" guiderà la comunità nella navigazione dell'oceano delle tecnologie AI. Che tu sia un principiante o uno sviluppatore avanzato, troverai qui percorsi verso tutte le principali direzioni dell'IA. L'obiettivo è aiutare gli sviluppatori a comprendere in modo sistematico i concetti fondamentali dell'IA, le tecnologie di punta, le tendenze all'avanguardia e, attraverso la pratica, a padroneggiare l'intero processo dalla teoria alla realizzazione.
[NeurIPS 2024] SimPO: Ottimizzazione Semplice delle Preferenze con una Ricompensa senza Riferimento
Una raccolta curata di articoli, rapporti tecnici, framework e strumenti per la distillazione on-policy (OPD) di grandi modelli linguistici
Una libreria con implementazioni estensibili di DPO, KTO, PPO, ORPO e altre funzioni di perdita consapevoli dell'uomo (HALOs).
Halo è un framework open source sviluppato da White Circle per addestrare modelli linguistici di grandi dimensioni e modelli multimodali
Allineamento dei grandi modelli linguistici con gli esseri umani: una rassegna
Trinity-RFT è un framework di uso generale, flessibile e scalabile progettato per il fine‑tuning tramite rinforzo (RFT) di grandi modelli linguistici (LLM).
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.
Domande frequenti
Qual è il repository #rlhf più popolare su GitHub?
Il progetto open source #rlhf più alto in classifica su GitHub è hiyouga/LlamaFactory, con 76,171 stelle. Fine-tuning unificato ed efficiente di oltre 100 LLM e VLM (ACL 2024)
Quali linguaggi di programmazione sono più utilizzati nei repository #rlhf?
Tra i progetti #rlhf più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, HTML, TypeScript.
Come viene calcolata la classifica dei repository #rlhf?
Monitoriamo 59 repository open source attivi contrassegnati con #rlhf (500+ stelle), per un totale di 335,276 stelle e una media di 5,682 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.