Git Stars Git Stars

#rlhf 仓库

59
仓库总数
335,276
总星标数
5,682
平均每个仓库星标数
编程语言: Python
51
Gen-Verse/Open-AgentRL

RLAnything (ICML 2026) 与 AutoTool (ICML 2026),DemyAgent:面向大语言模型与智能体场景的开源强化学习

Gen-Verse
⭐ 664 Python 👤 Gen-Verse Organization 🕐 已更新 2026-06-12 📅 创建时间 2025-10-13
52
wanshuiyin/ARIS-in-AI-Offer

面向 AI 秋招的中英双语 ML / LLM / diffusion / agent 面试速查表——由 ARIS /interview-cheatsheet 生成,通过 /render-html 渲染为可随处阅读的单文件 HTML——另有经 CV→DBLP 事实核查的学术主页生成器,以及亲自撰写的长篇博客 🌱

wanshuiyin
⭐ 661 Python 👤 wanshuiyin User 🕐 已更新 2026-11-18 📅 创建时间 2026-05-19
53
jianzhnie/LLamaTuner

LLMs的高效易用微调. (支持LLama, LLama2, LLama3, Qwen, Baichuan, GLM, Falcon) 大模型高效量化训练+部署.

jianzhnie
⭐ 620 Python 👤 jianzhnie User 🕐 已更新 2025-01-24 📅 创建时间 2023-05-25
54
nick7nlp/Awesome-LLM-On-Policy-Distillation

关于大型语言模型在线策略蒸馏的精选论文和资源集合。

nick7nlp
⭐ 598 Python 👤 nick7nlp User 🕐 已更新 2026-10-13 📅 创建时间 2026-04-05
55
uclaml/SPPO

Self-Play Preference Optimization (SPPO) 的官方实现

uclaml
⭐ 587 Python 👤 uclaml User 🕐 已更新 2025-01-23 📅 创建时间 2024-06-13
56
adithya-s-k/FineEnvs

FineEnvs — 强化学习环境入门:在大语言模型时代构建和扩展强化学习环境

adithya-s-k
⭐ 572 Python 👤 adithya-s-k User 🕐 已更新 2026-11-14 📅 创建时间 2026-05-01
57
voidful/TextRL

在huggingface的transformer(blommz-176B/bloom/gpt/bart/T5/MetaICL)上的任何生成模型上实现ChatGPT RLHF(人类反馈强化学习)

voidful
⭐ 564 Python 👤 voidful User 🕐 已更新 2026-04-23 📅 创建时间 2021-03-18
58
RLHFlow/Online-RLHF

在线 RLHF 和在线迭代 DPO 的配方。

RLHFlow
⭐ 539 Python 👤 RLHFlow Organization 🕐 已更新 2024-12-28 📅 创建时间 2024-05-10
59
Gen-Verse/dLLM-RL

[ICLR 2026] TraceRL 官方代码:革新 Diffusion LLM 的后训练,为 SOTA TraDo 系列提供动力。

Gen-Verse
⭐ 524 Python 👤 Gen-Verse Organization 🕐 已更新 2026-01-28 📅 创建时间 2025-08-26