Git Stars Git Stars

#reinforcement-learning-from-human-feedback Репозитории

Откройте для себя 33 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #reinforcement-learning-from-human-feedback, с общим числом 86,497 звёзд (в среднем 2,621 на проект). Лидером этой темы является huggingface/trl, набравший 19,788 звёзд.

33
Всего репозиториев
86,497
Всего звезд
2,621
Среднее количество звезд на репозиторий
Языки программирования: Python Jupyter Notebook HTML TypeScript

Всего репозиториев: 33

1
huggingface/trl

Обучайте языковые модели Transformer с помощью обучения с подкреплением.

huggingface
⭐ 19,788 Python 👤 huggingface Organization 🕐 Обновлено 2026-11-21 📅 Создано 2020-03-27
2
OpenRLHF/OpenRLHF

Простой в использовании, масштабируемый и высокопроизводительный фреймворк для агентного RL на базе Ray (PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & Async RL)

OpenRLHF
⭐ 10,173 Python 👤 OpenRLHF Organization 🕐 Обновлено 2026-11-03 📅 Создано 2023-07-30
3
zhaochenyang20/Awesome-ML-SYS-Tutorial

Мои учебные заметки по ML SYS.

zhaochenyang20
⭐ 7,695 HTML 👤 zhaochenyang20 User 🕐 Обновлено 2026-10-21 📅 Создано 2024-11-09
4
thinking-machines-lab/tinker-cookbook

После тренировки с Tinker

thinking-machines-lab
⭐ 4,291 Python 👤 thinking-machines-lab Organization 🕐 Обновлено 2026-11-20 📅 Создано 2025-07-14
5
allenai/open-instruct

Кодовая база AllenAI после обучения

allenai
⭐ 3,942 Python 👤 allenai Organization 🕐 Обновлено 2026-11-21 📅 Создано 2023-06-09
6
deepseek-ai/DeepSeek-Math

DeepSeekMath: Расширяя пределы математического рассуждения в открытых языковых моделях

deepseek-ai
⭐ 3,110 Python 👤 deepseek-ai Organization 🕐 Обновлено 2024-04-15 📅 Создано 2024-02-05
7
eric-mitchell/direct-preference-optimization

Эталонная реализация для DPO (Direct Preference Optimization)

eric-mitchell
⭐ 2,826 Python 👤 eric-mitchell User 🕐 Обновлено 2024-08-11 📅 Создано 2023-06-22
8
Tencent-Hunyuan/HY-Motion-1.0

Модель HY-Motion для генерации 3D‑движений человека или 3D‑анимации персонажей.

Tencent-Hunyuan
⭐ 2,679 Python 👤 Tencent-Hunyuan Organization 🕐 Обновлено 2026-11-13 📅 Создано 2025-12-29
9
yifan123/flow_grpo

[NeurIPS 2025] Официальная реализация Flow-GRPO: Обучение моделей Flow Matching с помощью онлайн-обучения с подкреплением (RL)

yifan123
⭐ 2,596 Python 👤 yifan123 User 🕐 Обновлено 2026-05-07 📅 Создано 2025-05-08
10
FoundationAgents/awesome-foundation-agents

О замечательных вещах для агентов фонда. Статьи / Репозитории / Блоги / ...

FoundationAgents
⭐ 2,200 👤 FoundationAgents Organization 🕐 Обновлено 2025-07-28 📅 Создано 2025-03-24
11
LeapLabTHU/Absolute-Zero-Reasoner

Официальный репозиторий Absolute Zero Reasoner

LeapLabTHU
⭐ 1,893 Python 👤 LeapLabTHU User 🕐 Обновлено 2025-08-24 📅 Создано 2025-05-02
12
BytedTsinghua-SIA/DAPO

Система RL с открытым исходным кодом от ByteDance Seed и Tsinghua AIR

BytedTsinghua-SIA
⭐ 1,814 Python 👤 BytedTsinghua-SIA Organization 🕐 Обновлено 2025-05-11 📅 Создано 2025-03-17
13
lsdefine/simple_GRPO

Очень простая реализация GRPO untuk воспроизведения мышления LLM, похожего на r1.

lsdefine
⭐ 1,719 Python 👤 lsdefine User 🕐 Обновлено 2025-11-21 📅 Создано 2025-02-10
14
JiuhaiChen/BLIP3o

Официальная реализация серии BLIP3o

JiuhaiChen
⭐ 1,667 Python 👤 JiuhaiChen User 🕐 Обновлено 2025-11-29 📅 Создано 2025-04-23
15
XueZeyue/DanceGRPO

Официальная реализация DanceGRPO: Исследуем GRPO в визуальной генерации

XueZeyue
⭐ 1,654 Python 👤 XueZeyue User 🕐 Обновлено 2025-10-16 📅 Создано 2025-05-08
16
PKU-Alignment/safe-rlhf

Безопасный RLHF: Ограниченное согласование ценностей посредством безопасного обучения с подкреплением на основе обратной связи от человека

PKU-Alignment
⭐ 1,624 Python 👤 PKU-Alignment Organization 🕐 Обновлено 2025-11-24 📅 Создано 2023-05-15
17
alibaba/Pai-Megatron-Patch

Официальный репозиторий Pai-Megatron-Patch для крупномасштабного обучения LLM и VLM, разработанный Alibaba Cloud.

alibaba
⭐ 1,601 Python 👤 alibaba Organization 🕐 Обновлено 2025-12-15 📅 Создано 2023-09-04
18
Osilly/Vision-R1

[ICLR2026] Это первая работа, исследующая, как эффективно использовать RL, похожий на R1, для MLLMs, и представившая Vision‑R1, модель MLLM с возможностью рассуждений, использующую холодную инициализацию и обучение RL для стимулирования способности к рассуждению.

Osilly
⭐ 1,558 Python 👤 Osilly User 🕐 Обновлено 2026-03-20 📅 Создано 2025-02-03
19
Duxiaoman-DI/XuanYuan

Сюаньюань: Большая модель китайского финансового диалога Duxiaoman

Duxiaoman-DI
⭐ 1,323 Python 👤 Duxiaoman-DI Organization 🕐 Обновлено 2025-01-07 📅 Создано 2023-05-21
20
Tencent-Hunyuan/SRPO

Прямое согласование полной траектории диффузии с тонкими человеческими предпочтениями

Tencent-Hunyuan
⭐ 1,278 Python 👤 Tencent-Hunyuan Organization 🕐 Обновлено 2026-05-11 📅 Создано 2025-09-09
21
henrywoo/chatllama

ChatLLaMA 📢 Реализация с открытым исходным кодом для ChatGPT на основе LLaMA, которую можно запускать на одном GPU. Процесс обучения в 15 раз быстрее, чем у ChatGPT

henrywoo
⭐ 1,200 Python 👤 henrywoo User 🕐 Обновлено 2026-10-08 📅 Создано 2023-02-27
23
Xwin-LM/Xwin-LM

Xwin-LM: Мощное, стабильное и воспроизводимое выравнивание LLM

Xwin-LM
⭐ 1,041 Python 👤 Xwin-LM Organization 🕐 Обновлено 2024-05-31 📅 Создано 2023-09-11
24
OSU-NLP-Group/Mind2Web

[NeurIPS'23 Spotlight] "Mind2Web: Towards a Generalist Agent for the Web" -- первый веб-агент на основе LLM и эталон для универсальных веб-агентов

OSU-NLP-Group
⭐ 1,036 Jupyter Notebook 👤 OSU-NLP-Group Organization 🕐 Обновлено 2025-11-05 📅 Создано 2023-04-21
25
kebijuelun/Awesome-LLM-Learning

Изучение больших языковых моделей (LLM) (Изучение больших языковых моделей)

kebijuelun
⭐ 984 TypeScript 👤 kebijuelun User 🕐 Обновлено 2026-01-05 📅 Создано 2023-08-06
26
mst272/LLM-Dojo

Легковесная среда постобучения LLM, поддерживает SFT, RLVR, On-Policy KD, Guide KD и смешанное обучение; реализует одно-/многорундовую Guide-дистилляцию, дистилляцию с несколькими учителями, смешанное обучение Reward и автоматизированное разделение данных👩‍🎓👨‍🎓

mst272
⭐ 939 Python 👤 mst272 User 🕐 Обновлено 2026-03-08 📅 Создано 2024-01-23
27
tatsu-lab/alpaca_farm

Симуляционная среда для RLHF и альтернатив. Разработайте свой метод RLHF без сбора данных от человека.

tatsu-lab
⭐ 840 Python 👤 tatsu-lab Organization 🕐 Обновлено 2024-07-01 📅 Создано 2023-05-03
28
CodeGoat24/UnifiedReward

Официальная реализация UnifiedReward и [NeurIPS 2025] UnifiedReward-Think и UnifiedReward-Flex

CodeGoat24
⭐ 831 Python 👤 CodeGoat24 User 🕐 Обновлено 2026-06-18 📅 Создано 2025-03-04
30
General-Analysis/GA

Энциклопедия методов джейлбрейка для повышения безопасности моделей ИИ.

General-Analysis
⭐ 583 Jupyter Notebook 👤 General-Analysis Organization 🕐 Обновлено 2025-05-26 📅 Создано 2025-01-18
31
Fancy-MLLM/R1-Onevision

R1-onevision, визуальная языковая модель, способная к глубоким рассуждениям CoT.

Fancy-MLLM
⭐ 581 Python 👤 Fancy-MLLM User 🕐 Обновлено 2025-04-13 📅 Создано 2025-02-08
33
teacherpeterpan/self-correction-llm-papers

Это сборник исследовательских работ по самокорректирующимся большим языковым моделям с автоматизированной обратной связью.

teacherpeterpan
⭐ 562 👤 teacherpeterpan User 🕐 Обновлено 2024-10-28 📅 Создано 2023-08-04

Часто задаваемые вопросы

1

Какой репозиторий по теме #reinforcement-learning-from-human-feedback наиболее популярен на GitHub?

Самый высоко оценённый проект с открытым исходным кодом по теме #reinforcement-learning-from-human-feedback на GitHub — huggingface/trl, набравший 19,788 звёзд. Обучайте языковые модели Transformer с помощью обучения с подкреплением.

2

Какие языки программирования чаще всего используются в репозиториях по теме #reinforcement-learning-from-human-feedback?

Среди наиболее высоко оценённых проектов по теме #reinforcement-learning-from-human-feedback на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, HTML, TypeScript.

3

Как рассчитывается рейтинг репозиториев по теме #reinforcement-learning-from-human-feedback?

Мы отслеживаем 33 активных репозиториев с открытым исходным кодом, отмеченных тегом #reinforcement-learning-from-human-feedback (500 и более звёзд), с общим числом 86,497 звёзд и в среднем 2,621 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.