#grpo Репозитории
Откройте для себя 27 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #grpo, с общим числом 107,970 звёзд (в среднем 3,998 на проект). Лидером этой темы является modelscope/ms-swift, набравший 16,138 звёзд.
Всего репозиториев: 27
Используйте PEFT или обучение всех параметров для выполнения CPT/SFT/DPO/GRPO на более чем 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4 и др.) и более чем 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4 и др.) (AAAI 2025).
Всеобъемлющая библиотека с открытым исходным кодом навыков исследований и инженерии ИИ для любой модели ИИ. Упакуйте эти навыки, и ваш агент claude code/codex/gemini станет исследовательским ИИ-агентом с полной мощностью. Поддерживается Orchestra Research.
Руководство по разработке ИИ-агентов | Agent Harness | Инжиниринг контекста | Продвинутый RAG | MCP | Agentic RL (обучение с подкреплением для агентов) | Практика LangGraph | Более 12 000 вопросов для собеседований по большим языковым моделям | Поиск работы на должности в области алгоритмов / разработки | Переход в сферу больших языковых моделей
Тренажер обучения агентов с подкреплением: обучайте многошаговых агентов для реальных задач с помощью GRPO. Проводите обучение ваших агентов без отрыва от работы. Обучение с подкреплением для Qwen3.6, GPT-OSS, Llama и других моделей!
Легко дообучайте (SFT/RL), оценивайте и развёртывайте Qwen, Gemma или любую открытую агентную LLM/VLM!
🚀 Открытый практический курс, bridging разрыв от базовых концепций RL до выравнивания LLM, RLVR и продвинутых агентных систем.
Skywork-R1V — это передовая серия мультимодальных моделей ИИ, разработанная Skywork AI, специализирующаяся на зрительно-языковом рассуждении.
Охватывает данные для предобучения, токенизаторы, Transformer, MoE, распределённое обучение, законы масштабирования, инференс и выравнивание. 6 последовательных заданий по программированию для комплексного изучения LLM.
verl-agent — это расширение veRL, разработанное для обучения LLM/VLM агентов с помощью RL. verl-agent также является официальным кодом для статьи «Group-in-Group Policy Optimization for LLM Agent Training»
Официальный репозиторий 'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning’
Мультимодальная структура обучения с подкреплением для моделей диффузии и омни
[ECCV 2026] MixGRPO: Раскрытие эффективности GRPO на основе потока с помощью смешанной ODE-SDE
Стек непрерывного улучшения для агентов. Наши данные об окружающей среде и оценки способствуют улучшению и мониторингу агентов.
Halo — это фреймворк с открытым исходным кодом, разработанный White Circle для обучения больших языковых и мультимодальных моделей
Систематический учебник по разработке ИИ-агентов, охватывающий LLM-агентов, RAG, использование инструментов, системы памяти, мультиагентные системы, LangChain, LangGraph, MCP и агентное RL. | Изучите разработку ИИ-агентов с нуля | Систематический, всеобъемлющий, ориентированный на практику учебник по разработке агентов | Ежедневный автоматический отслеживание новейших статей arXiv
Fin-R1 — это большая языковая модель для сложного финансового анализа, разработанная и выпущенная с открытым исходным кодом совместными усилиями SUFE-AIFLM-Lab при Школе статистики и науки о данных Шанхайского университета финансов и экономики и FinStep.AI.
[NeurIPS 2025] AutoVLA: Модель видение-язык-действие для автономного вождения end-to-end с адаптивным рассуждением и дообучением с подкреплением
Асинхронный движок обучения с подкреплением для полномодального пост-обучения в больших масштабах
🌾 OAT: Исследовательская платформа для онлайн-согласования LLM, включая обучение с подкреплением, обучение предпочтениям и т. д.
RLAnything (ICML 2026) и AutoTool (ICML 2026), DemyAgent: обучение с подкреплением с открытым исходным кодом для LLM и агентных сценариев
Курируемый список статей по обучению с подкреплением для генерации видео
FineEnvs — Введение в среды RL: создание и масштабирование сред RL в эпоху больших языковых моделей
Официальная реализация GDPO: оптимизация политики с декоррелированной нормализацией групповых вознаграждений для оптимизации обучения с подкреплением по нескольким вознаграждениям
Часто задаваемые вопросы
Какой репозиторий по теме #grpo наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #grpo на GitHub — modelscope/ms-swift, набравший 16,138 звёзд. Используйте PEFT или обучение всех параметров для выполнения CPT/SFT/DPO/GRPO на более чем 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4 и др.) и более чем 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4 и др.) (AAAI 2025).
Какие языки программирования чаще всего используются в репозиториях по теме #grpo?
Среди наиболее высоко оценённых проектов по теме #grpo на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, TeX, MDX.
Как рассчитывается рейтинг репозиториев по теме #grpo?
Мы отслеживаем 27 активных репозиториев с открытым исходным кодом, отмеченных тегом #grpo (500 и более звёзд), с общим числом 107,970 звёзд и в среднем 3,998 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.