#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。
共 33 个仓库
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)
[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。
[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
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👩🎓👨🎓
UnifiedReward 及 [NeurIPS 2025] UnifiedReward-Think 及 UnifiedReward-Flex 的官方实现
常见问题解答
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。
#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。
#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。