Git Stars Git Stars

#rlhf Репозитории

59
Всего репозиториев
335,276
Всего звезд
5,682
Среднее количество звезд на репозиторий
Языки программирования: Python

Всего репозиториев: 59

51
Gen-Verse/Open-AgentRL

RLAnything (ICML 2026) и AutoTool (ICML 2026), DemyAgent: обучение с подкреплением с открытым исходным кодом для LLM и агентных сценариев

Gen-Verse
⭐ 664 Python 👤 Gen-Verse Organization 🕐 Обновлено 2026-06-12 📅 Создано 2025-10-13
52
wanshuiyin/ARIS-in-AI-Offer

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 🌱

wanshuiyin
⭐ 661 Python 👤 wanshuiyin User 🕐 Обновлено 2026-11-18 📅 Создано 2026-05-19
53
jianzhnie/LLamaTuner

Простая и эффективная донастройка LLM. (Поддерживаются LLama, LLama2, LLama3, Qwen, Baichuan, GLM, Falcon) Эффективное обучение + развертывание больших моделей с квантованием.

jianzhnie
⭐ 620 Python 👤 jianzhnie User 🕐 Обновлено 2025-01-24 📅 Создано 2023-05-25
54
nick7nlp/Awesome-LLM-On-Policy-Distillation

Подборка статей и ресурсов по дистилляции в политике для больших языковых моделей.

nick7nlp
⭐ 598 Python 👤 nick7nlp User 🕐 Обновлено 2026-10-13 📅 Создано 2026-04-05
55
uclaml/SPPO

Официальная реализация Self-Play Preference Optimization (SPPO)

uclaml
⭐ 587 Python 👤 uclaml User 🕐 Обновлено 2025-01-23 📅 Создано 2024-06-13
56
adithya-s-k/FineEnvs

FineEnvs — Введение в среды RL: создание и масштабирование сред RL в эпоху больших языковых моделей

adithya-s-k
⭐ 572 Python 👤 adithya-s-k User 🕐 Обновлено 2026-11-14 📅 Создано 2026-05-01
57
voidful/TextRL

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)

voidful
⭐ 564 Python 👤 voidful User 🕐 Обновлено 2026-04-23 📅 Создано 2021-03-18
58
RLHFlow/Online-RLHF

Рецепт онлайн RLHF и онлайн итеративного DPO.

RLHFlow
⭐ 539 Python 👤 RLHFlow Organization 🕐 Обновлено 2024-12-28 📅 Создано 2024-05-10
59
Gen-Verse/dLLM-RL

[ICLR 2026] Официальный код для TraceRL: революция пост‑тренинга диффузионных LLM, обеспечивающая работу серии SOTA TraDo.

Gen-Verse
⭐ 524 Python 👤 Gen-Verse Organization 🕐 Обновлено 2026-01-28 📅 Создано 2025-08-26