Git Stars Git Stars

#reinforcement-learning-from-human-feedback 仓库

探索 33 个标记为 #reinforcement-learning-from-human-feedback 的活跃开源 GitHub 仓库,它们累计获得 86,497 个 Star(平均每个项目 2,621 个)。该主题的领先项目是 huggingface/trl,拥有 19,788 个 Star。

33
仓库总数
86,497
总星标数
2,621
平均每个仓库星标数
1
huggingface/trl

使用强化学习训练 Transformer 语言模型。

huggingface
⭐ 19,788 Python 👤 huggingface Organization 🕐 已更新 2026-11-21 📅 创建时间 2020-03-27
2
OpenRLHF/OpenRLHF

一个易用、可扩展、高性能的基于Ray的Agentic RL框架(PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & Async RL)

OpenRLHF
⭐ 10,173 Python 👤 OpenRLHF Organization 🕐 已更新 2026-11-03 📅 创建时间 2023-07-30
⭐ 4,291 Python 👤 thinking-machines-lab Organization 🕐 已更新 2026-11-20 📅 创建时间 2025-07-14
6
deepseek-ai/DeepSeek-Math

DeepSeekMath:在开放语言模型中突破数学推理能力的极限

deepseek-ai
⭐ 3,110 Python 👤 deepseek-ai Organization 🕐 已更新 2024-04-15 📅 创建时间 2024-02-05
7
eric-mitchell/direct-preference-optimization

DPO(直接偏好优化)的参考实现

eric-mitchell
⭐ 2,826 Python 👤 eric-mitchell User 🕐 已更新 2024-08-11 📅 创建时间 2023-06-22
8
Tencent-Hunyuan/HY-Motion-1.0

HY-Motion模型,用于生成3D人类动作或3D角色动画。

Tencent-Hunyuan
⭐ 2,679 Python 👤 Tencent-Hunyuan Organization 🕐 已更新 2026-11-13 📅 创建时间 2025-12-29
9
yifan123/flow_grpo

[NeurIPS 2025] Flow-GRPO 的官方实现:通过在线强化学习训练流匹配模型

yifan123
⭐ 2,596 Python 👤 yifan123 User 🕐 已更新 2026-05-07 📅 创建时间 2025-05-08
10
FoundationAgents/awesome-foundation-agents

关于面向基金会代理的精彩内容。论文 / 仓库 / 博客 / ...

FoundationAgents
⭐ 2,200 👤 FoundationAgents Organization 🕐 已更新 2025-07-28 📅 创建时间 2025-03-24
11
LeapLabTHU/Absolute-Zero-Reasoner

Absolute Zero Reasoner 官方仓库

LeapLabTHU
⭐ 1,893 Python 👤 LeapLabTHU User 🕐 已更新 2025-08-24 📅 创建时间 2025-05-02
12
BytedTsinghua-SIA/DAPO

字节跳动育星和清华AIR的开源RL系统

BytedTsinghua-SIA
⭐ 1,814 Python 👤 BytedTsinghua-SIA Organization 🕐 已更新 2025-05-11 📅 创建时间 2025-03-17
13
lsdefine/simple_GRPO

一个非常简单的GRPO实现,用于复现r1类LLM的思维。

lsdefine
⭐ 1,719 Python 👤 lsdefine User 🕐 已更新 2025-11-21 📅 创建时间 2025-02-10
15
XueZeyue/DanceGRPO

DanceGRPO的官方实现:在视觉生成上释放GRPO

XueZeyue
⭐ 1,654 Python 👤 XueZeyue User 🕐 已更新 2025-10-16 📅 创建时间 2025-05-08
16
PKU-Alignment/safe-rlhf

安全RLHF:通过人类反馈的安全强化学习实现约束式价值对齐

PKU-Alignment
⭐ 1,624 Python 👤 PKU-Alignment Organization 🕐 已更新 2025-11-24 📅 创建时间 2023-05-15
17
alibaba/Pai-Megatron-Patch

Alibaba Cloud 开发的用于 LLM & VLM 大规模训练的 Pai-Megatron-Patch 官方仓库。

alibaba
⭐ 1,601 Python 👤 alibaba Organization 🕐 已更新 2025-12-15 📅 创建时间 2023-09-04
18
Osilly/Vision-R1

[ICLR2026] 这是第一篇探讨如何有效使用类似R1的RL用于MLLM并引入Vision‑R1的论文,Vision‑R1是一种理解决策的MLLM,它利用冷启动初始化和RL训练来激励推理能力。

Osilly
⭐ 1,558 Python 👤 Osilly User 🕐 已更新 2026-03-20 📅 创建时间 2025-02-03
19
Duxiaoman-DI/XuanYuan

轩辕:度小满中文金融对话大模型

Duxiaoman-DI
⭐ 1,323 Python 👤 Duxiaoman-DI Organization 🕐 已更新 2025-01-07 📅 创建时间 2023-05-21
20
Tencent-Hunyuan/SRPO

直接将完整扩散轨迹与细粒度人类偏好对齐

Tencent-Hunyuan
⭐ 1,278 Python 👤 Tencent-Hunyuan Organization 🕐 已更新 2026-05-11 📅 创建时间 2025-09-09
21
henrywoo/chatllama

ChatLLaMA 📢 LLaMA-based ChatGPT 的开源实现,可在单个 GPU 上运行。训练过程比 ChatGPT 快 15 倍

henrywoo
⭐ 1,200 Python 👤 henrywoo User 🕐 已更新 2026-10-08 📅 创建时间 2023-02-27
23
Xwin-LM/Xwin-LM

Xwin-LM: 强大、稳定且可复现的 LLM 对齐

Xwin-LM
⭐ 1,041 Python 👤 Xwin-LM Organization 🕐 已更新 2024-05-31 📅 创建时间 2023-09-11
24
OSU-NLP-Group/Mind2Web

[NeurIPS'23 Spotlight] "Mind2Web: Towards a Generalist Agent for the Web" -- 首个基于LLM的网络代理即通用网络代理基准

OSU-NLP-Group
⭐ 1,036 Jupyter Notebook 👤 OSU-NLP-Group Organization 🕐 已更新 2025-11-05 📅 创建时间 2023-04-21
25
kebijuelun/Awesome-LLM-Learning

学习大型语言模型 (LLM) (大型语言模型学习)

kebijuelun
⭐ 984 TypeScript 👤 kebijuelun User 🕐 已更新 2026-01-05 📅 创建时间 2023-08-06
26
mst272/LLM-Dojo

轻量级 LLM Post-training 框架,支持 SFT、RLVR、On-Policy KD、Guide KD 及混合训练;实现单轮/多轮 Guide 蒸馏、多教师蒸馏、Reward 混合训练与自动化数据分流👩‍🎓👨‍🎓

mst272
⭐ 939 Python 👤 mst272 User 🕐 已更新 2026-03-08 📅 创建时间 2024-01-23
27
tatsu-lab/alpaca_farm

RLHF 及其替代方案的模拟框架。无需收集人类数据即可开发您的 RLHF 方法。

tatsu-lab
⭐ 840 Python 👤 tatsu-lab Organization 🕐 已更新 2024-07-01 📅 创建时间 2023-05-03
28
CodeGoat24/UnifiedReward

UnifiedReward 及 [NeurIPS 2025] UnifiedReward-Think 及 UnifiedReward-Flex 的官方实现

CodeGoat24
⭐ 831 Python 👤 CodeGoat24 User 🕐 已更新 2026-06-18 📅 创建时间 2025-03-04
30
General-Analysis/GA

关于用于使 AI 模型更安全的越狱技术的百科全书。

General-Analysis
⭐ 583 Jupyter Notebook 👤 General-Analysis Organization 🕐 已更新 2025-05-26 📅 创建时间 2025-01-18
31
Fancy-MLLM/R1-Onevision

R1-onevision,一个能够进行深度CoT推理的视觉语言模型。

Fancy-MLLM
⭐ 581 Python 👤 Fancy-MLLM User 🕐 已更新 2025-04-13 📅 创建时间 2025-02-08
33
teacherpeterpan/self-correction-llm-papers

这是关于具有自动化反馈的自纠Large Language Models的研究论文集。

teacherpeterpan
⭐ 562 👤 teacherpeterpan User 🕐 已更新 2024-10-28 📅 创建时间 2023-08-04

常见问题解答

1

GitHub 上最受欢迎的 #reinforcement-learning-from-human-feedback 仓库是什么?

GitHub 上排名第一的开源 #reinforcement-learning-from-human-feedback 项目是 huggingface/trl,拥有 19,788 个 Star。使用强化学习训练 Transformer 语言模型。

2

#reinforcement-learning-from-human-feedback 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #reinforcement-learning-from-human-feedback 项目中,最常见的编程语言是 Python, Jupyter Notebook, HTML, TypeScript。

3

#reinforcement-learning-from-human-feedback 仓库的排名是如何计算的?

我们跟踪了 33 个标记为 #reinforcement-learning-from-human-feedback 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 86,497 个 Star,平均每个仓库拥有 2,621 个 Star。排名每日根据 GitHub API 更新。