Git Stars Git Stars

#rlhf リポジトリ

59
リポジトリ総数
335,276
合計スター数
5,682
リポジトリあたりの平均スター数
プログラミング言語: Python

リポジトリ合計59件

51
Gen-Verse/Open-AgentRL

RLAnything (ICML 2026) および AutoTool (ICML 2026)、DemyAgent: LLMおよびエージェントシナリオ向けのオープンソース強化学習

Gen-Verse
⭐ 664 Python 👤 Gen-Verse Organization 🕐 更新日時 2026-06-12 📅 作成日 2025-10-13
52
wanshuiyin/ARIS-in-AI-Offer

AI秋採用向けのバイリンガル(中国語+英語)ML / LLM / diffusion / agent面接チートシート――ARIS /interview-cheatsheetで生成し、/render-htmlでどこでも読める単一ファイルHTMLに変換――に加え、CV→DBLPで事実確認した学術ホームページ生成器と、本人執筆の長文ブログ 🌱

wanshuiyin
⭐ 661 Python 👤 wanshuiyin User 🕐 更新日時 2026-11-18 📅 作成日 2026-05-19
53
jianzhnie/LLamaTuner

LLMの簡単かつ効率的なファインチューニング。(LLama, LLama2, LLama3, Qwen, Baichuan, GLM, Falconをサポート) 大規模モデルの効率的な量子化トレーニング+デプロイ。

jianzhnie
⭐ 620 Python 👤 jianzhnie User 🕐 更新日時 2025-01-24 📅 作成日 2023-05-25
54
nick7nlp/Awesome-LLM-On-Policy-Distillation

大規模言語モデルのためのオン・ポリシー蒸留に関する論文とリソースの厳選コレクション。

nick7nlp
⭐ 598 Python 👤 nick7nlp User 🕐 更新日時 2026-10-13 📅 作成日 2026-04-05
55
uclaml/SPPO

Self-Play Preference Optimization (SPPO) の公式実装

uclaml
⭐ 587 Python 👤 uclaml User 🕐 更新日時 2025-01-23 📅 作成日 2024-06-13
56
adithya-s-k/FineEnvs

FineEnvs — 強化学習環境入門:LLM時代における強化学習環境の構築とスケーリング

adithya-s-k
⭐ 572 Python 👤 adithya-s-k User 🕐 更新日時 2026-11-14 📅 作成日 2026-05-01
57
voidful/TextRL

huggingfaceのtransformer(blommz-176B/bloom/gpt/bart/T5/MetaICL)の任意の生成モデルでのChatGPT RLHF(人間からのフィードバックによる強化学習)の実装

voidful
⭐ 564 Python 👤 voidful User 🕐 更新日時 2026-04-23 📅 作成日 2021-03-18
58
RLHFlow/Online-RLHF

オンラインRLHFとオンライン反復DPOのレシピ。

RLHFlow
⭐ 539 Python 👤 RLHFlow Organization 🕐 更新日時 2024-12-28 📅 作成日 2024-05-10
59
Gen-Verse/dLLM-RL

[ICLR 2026] TraceRL の公式コード:拡散 LLM のポストトレーニングを革命し、SOTA TraDo シリーズに力を与える。

Gen-Verse
⭐ 524 Python 👤 Gen-Verse Organization 🕐 更新日時 2026-01-28 📅 作成日 2025-08-26