#reinforcement-learning-from-human-feedback リポジトリ
#reinforcement-learning-from-human-feedbackのタグが付いた、GitHub上の33件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は86,497個で、プロジェクトあたりの平均は2,621個です。このトピックをリードしているのは、19,788個のスターを獲得しているhuggingface/trlです。
リポジトリ合計33件
使いやすく、スケーラブルで高性能なRayベースのAgentic RLフレームワーク (PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & Async RL)
Alibaba Cloudによって開発された、LLMおよびVLMの大規模トレーニングのためのPai-Megatron-Patchの公式リポジトリ。
[ICLR2026] これはMLLMにR1風のRLを効果的に利用する方法を探求し、Vision‑R1を導入した最初の論文であり、Vision‑R1はコールドスタート初期化とRLトレーニングを活用して推論能力を促進する推論MLLMです。
[NeurIPS'23 Spotlight] "Mind2Web: Towards a Generalist Agent for the Web" -- Webのための初のLLMベースWebエージェントおよび汎用Webエージェントベンチマーク
軽量級 LLM ポストトレーニングフレームワーク。SFT、RLVR、On-Policy KD、Guide KD、混合トレーニングをサポート;単輪/多輪 Guide 蒸留、多教師蒸留、Reward 混合トレーニング、自動データ分流を実現👩🎓👨🎓
UnifiedRewardおよび[NeurIPS 2025] UnifiedReward-ThinkおよびUnifiedReward-Flexの公式実装
よくある質問
GitHubで最も人気のある#reinforcement-learning-from-human-feedbackリポジトリは何ですか?
GitHubで最も上位にランクインしているオープンソースの#reinforcement-learning-from-human-feedbackプロジェクトは、19,788個のスターを獲得しているhuggingface/trlです。強化学習でTransformer言語モデルをトレーニングする。
#reinforcement-learning-from-human-feedbackリポジトリで最もよく使われているプログラミング言語は何ですか?
GitHubで上位にランクインしている#reinforcement-learning-from-human-feedbackプロジェクトでは、Python, Jupyter Notebook, HTML, TypeScriptが最も一般的なプログラミング言語です。
#reinforcement-learning-from-human-feedbackリポジトリのランキングはどのように算出されていますか?
#reinforcement-learning-from-human-feedbackのタグが付いた33件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は86,497個で、リポジトリあたりの平均は2,621個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。