Git Stars Git Stars

#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。

33
リポジトリ総数
86,497
合計スター数
2,621
リポジトリあたりの平均スター数

リポジトリ合計33件

1
huggingface/trl

強化学習でTransformer言語モデルをトレーニングする。

huggingface
⭐ 19,788 Python 👤 huggingface Organization 🕐 更新日時 2026-11-21 📅 作成日 2020-03-27
2
OpenRLHF/OpenRLHF

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)

OpenRLHF
⭐ 10,173 Python 👤 OpenRLHF Organization 🕐 更新日時 2026-11-03 📅 作成日 2023-07-30
4
thinking-machines-lab/tinker-cookbook

Tinkerとのトレーニング後

thinking-machines-lab
⭐ 4,291 Python 👤 thinking-machines-lab Organization 🕐 更新日時 2026-11-20 📅 作成日 2025-07-14
5
allenai/open-instruct

AllenAI のトレーニング後コードベース

allenai
⭐ 3,942 Python 👤 allenai Organization 🕐 更新日時 2026-11-21 📅 作成日 2023-06-09
6
deepseek-ai/DeepSeek-Math

DeepSeekMath:オープン言語モデルにおける数学的推論の限界を押し広げる

deepseek-ai
⭐ 3,110 Python 👤 deepseek-ai Organization 🕐 更新日時 2024-04-15 📅 作成日 2024-02-05
7
eric-mitchell/direct-preference-optimization

DPO(Direct Preference Optimization)の参照実装

eric-mitchell
⭐ 2,826 Python 👤 eric-mitchell User 🕐 更新日時 2024-08-11 📅 作成日 2023-06-22
8
Tencent-Hunyuan/HY-Motion-1.0

3Dヒューマンモーションまたは3Dキャラクターアニメーション生成のためのHY-Motionモデル。

Tencent-Hunyuan
⭐ 2,679 Python 👤 Tencent-Hunyuan Organization 🕐 更新日時 2026-11-13 📅 作成日 2025-12-29
9
yifan123/flow_grpo

[NeurIPS 2025] Flow-GRPO の公式実装:オンラインRLによるフローマッチングモデルのトレーニング

yifan123
⭐ 2,596 Python 👤 yifan123 User 🕐 更新日時 2026-05-07 📅 作成日 2025-05-08
10
FoundationAgents/awesome-foundation-agents

財団エージェント向けの素晴らしいことについて。論文 / リポジトリ / ブログ / ...

FoundationAgents
⭐ 2,200 👤 FoundationAgents Organization 🕐 更新日時 2025-07-28 📅 作成日 2025-03-24
11
LeapLabTHU/Absolute-Zero-Reasoner

Absolute Zero Reasoner の公式リポジトリ

LeapLabTHU
⭐ 1,893 Python 👤 LeapLabTHU User 🕐 更新日時 2025-08-24 📅 作成日 2025-05-02
12
BytedTsinghua-SIA/DAPO

ByteDance SeedとTsinghua AIRによるオープンソースRLシステム

BytedTsinghua-SIA
⭐ 1,814 Python 👤 BytedTsinghua-SIA Organization 🕐 更新日時 2025-05-11 📅 作成日 2025-03-17
13
lsdefine/simple_GRPO

r1のようなLLMの思考を再現するための非常にシンプルなGRPO実装。

lsdefine
⭐ 1,719 Python 👤 lsdefine User 🕐 更新日時 2025-11-21 📅 作成日 2025-02-10
14
JiuhaiChen/BLIP3o

BLIP3oシリーズの公式実装

JiuhaiChen
⭐ 1,667 Python 👤 JiuhaiChen User 🕐 更新日時 2025-11-29 📅 作成日 2025-04-23
15
XueZeyue/DanceGRPO

DanceGRPOの公式実装:ビジュアル生成におけるGRPOの解放

XueZeyue
⭐ 1,654 Python 👤 XueZeyue User 🕐 更新日時 2025-10-16 📅 作成日 2025-05-08
16
PKU-Alignment/safe-rlhf

安全なRLHF:人間のフィードバックからの安全な強化学習による制約された値のアラインメント

PKU-Alignment
⭐ 1,624 Python 👤 PKU-Alignment Organization 🕐 更新日時 2025-11-24 📅 作成日 2023-05-15
17
alibaba/Pai-Megatron-Patch

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。

alibaba
⭐ 1,601 Python 👤 alibaba Organization 🕐 更新日時 2025-12-15 📅 作成日 2023-09-04
18
Osilly/Vision-R1

[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。

Osilly
⭐ 1,558 Python 👤 Osilly User 🕐 更新日時 2026-03-20 📅 作成日 2025-02-03
19
Duxiaoman-DI/XuanYuan

Xuanyuan:Duxiaoman 中国金融対話大規模モデル

Duxiaoman-DI
⭐ 1,323 Python 👤 Duxiaoman-DI Organization 🕐 更新日時 2025-01-07 📅 作成日 2023-05-21
20
Tencent-Hunyuan/SRPO

きめ細やかな人間の好みに合わせた完全な拡散軌跡の直接調整

Tencent-Hunyuan
⭐ 1,278 Python 👤 Tencent-Hunyuan Organization 🕐 更新日時 2026-05-11 📅 作成日 2025-09-09
21
henrywoo/chatllama

ChatLLaMA 📢 単一GPUで実行可能なLLaMAベースのChatGPTのオープンソース実装。ChatGPTよりも15倍高速なトレーニングプロセス

henrywoo
⭐ 1,200 Python 👤 henrywoo User 🕐 更新日時 2026-10-08 📅 作成日 2023-02-27
23
Xwin-LM/Xwin-LM

Xwin-LM: 強力、安定、再現可能な LLM アライメント

Xwin-LM
⭐ 1,041 Python 👤 Xwin-LM Organization 🕐 更新日時 2024-05-31 📅 作成日 2023-09-11
24
OSU-NLP-Group/Mind2Web

[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

OSU-NLP-Group
⭐ 1,036 Jupyter Notebook 👤 OSU-NLP-Group Organization 🕐 更新日時 2025-11-05 📅 作成日 2023-04-21
25
kebijuelun/Awesome-LLM-Learning

大規模言語モデル(LLM)の学習(大規模言語モデル学習)

kebijuelun
⭐ 984 TypeScript 👤 kebijuelun User 🕐 更新日時 2026-01-05 📅 作成日 2023-08-06
26
mst272/LLM-Dojo

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👩‍🎓👨‍🎓

mst272
⭐ 939 Python 👤 mst272 User 🕐 更新日時 2026-03-08 📅 作成日 2024-01-23
27
tatsu-lab/alpaca_farm

RLHF および代替案のシミュレーションフレームワーク。人間のデータを収集せずに RLHF メソッドを開発してください。

tatsu-lab
⭐ 840 Python 👤 tatsu-lab Organization 🕐 更新日時 2024-07-01 📅 作成日 2023-05-03
28
CodeGoat24/UnifiedReward

UnifiedRewardおよび[NeurIPS 2025] UnifiedReward-ThinkおよびUnifiedReward-Flexの公式実装

CodeGoat24
⭐ 831 Python 👤 CodeGoat24 User 🕐 更新日時 2026-06-18 📅 作成日 2025-03-04
30
General-Analysis/GA

AIモデルをより安全にするためのジェイルブレイク技術の百科事典。

General-Analysis
⭐ 583 Jupyter Notebook 👤 General-Analysis Organization 🕐 更新日時 2025-05-26 📅 作成日 2025-01-18
31
Fancy-MLLM/R1-Onevision

深いCoT推論が可能なビジュアル言語モデル、R1-onevision。

Fancy-MLLM
⭐ 581 Python 👤 Fancy-MLLM User 🕐 更新日時 2025-04-13 📅 作成日 2025-02-08
33
teacherpeterpan/self-correction-llm-papers

これは、自動フィードバックによる自己修正大規模言語モデルの研究論文集です。

teacherpeterpan
⭐ 562 👤 teacherpeterpan User 🕐 更新日時 2024-10-28 📅 作成日 2023-08-04

よくある質問

1

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。

2

#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。

3

#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。