#rlhf Репозитории
Всего репозиториев: 59
RLAnything (ICML 2026) и AutoTool (ICML 2026), DemyAgent: обучение с подкреплением с открытым исходным кодом для LLM и агентных сценариев
Двуязычные (китайский + английский) шпаргалки для собеседований по ML / LLM / diffusion / agent в рамках осеннего набора специалистов по ИИ — созданы с помощью ARIS /interview-cheatsheet и преобразованы посредством /render-html в одnofайловый HTML, который можно читать где угодно, — а также генератор академических домашних страниц с проверкой фактов по CV→DBLP и самостоятельно написанные блоги большого объёма 🌱
Простая и эффективная донастройка LLM. (Поддерживаются LLama, LLama2, LLama3, Qwen, Baichuan, GLM, Falcon) Эффективное обучение + развертывание больших моделей с квантованием.
Подборка статей и ресурсов по дистилляции в политике для больших языковых моделей.
FineEnvs — Введение в среды RL: создание и масштабирование сред RL в эпоху больших языковых моделей
Реализация ChatGPT RLHF (обучение с подкреплением на основе обратной связи от человека) на любой генеративной модели в трансформере huggingface (blommz-176B/bloom/gpt/bart/T5/MetaICL)
[ICLR 2026] Официальный код для TraceRL: революция пост‑тренинга диффузионных LLM, обеспечивающая работу серии SOTA TraDo.