#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.
Всего репозиториев: 33
Простой в использовании, масштабируемый и высокопроизводительный фреймворк для агентного RL на базе Ray (PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & Async RL)
DeepSeekMath: Расширяя пределы математического рассуждения в открытых языковых моделях
Эталонная реализация для DPO (Direct Preference Optimization)
Модель HY-Motion для генерации 3D‑движений человека или 3D‑анимации персонажей.
[NeurIPS 2025] Официальная реализация Flow-GRPO: Обучение моделей Flow Matching с помощью онлайн-обучения с подкреплением (RL)
О замечательных вещах для агентов фонда. Статьи / Репозитории / Блоги / ...
Очень простая реализация GRPO untuk воспроизведения мышления LLM, похожего на r1.
Безопасный RLHF: Ограниченное согласование ценностей посредством безопасного обучения с подкреплением на основе обратной связи от человека
Официальный репозиторий Pai-Megatron-Patch для крупномасштабного обучения LLM и VLM, разработанный Alibaba Cloud.
[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.
Прямое согласование полной траектории диффузии с тонкими человеческими предпочтениями
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
[NeurIPS'23 Spotlight] "Mind2Web: Towards a Generalist Agent for the Web" -- первый веб-агент на основе LLM и эталон для универсальных веб-агентов
Изучение больших языковых моделей (LLM) (Изучение больших языковых моделей)
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👩🎓👨🎓
Симуляционная среда для RLHF и альтернатив. Разработайте свой метод RLHF без сбора данных от человека.
Официальная реализация UnifiedReward и [NeurIPS 2025] UnifiedReward-Think и UnifiedReward-Flex
R1-onevision, визуальная языковая модель, способная к глубоким рассуждениям CoT.
Это сборник исследовательских работ по самокорректирующимся большим языковым моделям с автоматизированной обратной связью.
Часто задаваемые вопросы
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.
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.
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.