R_REDDYX.XYZ
AIPython★ 438⑂ 42 форковApache-2.0

chi2liu/ABC-GRPO

ABC-GRPO: ВСЕКВАДРАНТНОЕ ОГРАНИЧЕНИЕ GRPO

ABC-GRPO реализует метод все‑квадрантного ограниченного клиппинга для GRPO, улучшая стабильность обучения больших языковых моделей. Код основан на статье arXiv:2601.03895 и написан на Python. Проект уже собрал 442 звезды на GitHub.

// КЛЮЧЕВЫЕ ОСОБЕННОСТИ

  • Реализует все‑квадрантное ограниченное клиппинг GRPO для стабильного RLHF.
  • Обеспечивает улучшенную стабильность обучения больших языковых моделей.
  • Предоставляет готовый Python‑модуль с примером интеграции в HuggingFace Transformers.
  • Включает скрипты для воспроизведения экспериментов из arXiv:2601.03895
#grpo#llm#reinforcement-learning#rlhf
Открыть на GitHub →

Новые репозитории каждые 30 минут

REDDYX AI сканирует GitHub 24/7 и присылает лучшие AI/ML/Web3 проекты в Telegram.

Подписаться в Telegram
← Весь каталог

// ПОХОЖИЕ РЕПОЗИТОРИИ

MARM-MEMORY: ЛОКАЛЬНАЯ ПАМЯТЬ AI★ 438MINTHCM: ИИ УПРАВЛЕНИЕ HR★ 438NEUROARXIV: ИИ ПРОВЕРЯЕТ ARXIV ПЕРЕД КОДОМ★ 438Фреймворк для RL-сред★ 438ИИ-ФАБРИКА: ОТ ТЕМЫ К ГОТОВОМУ ВИДЕО★ 438AISH: ИИ ПОДДЕРЖКА ШЕЛЛА★ 439

← ВЕСЬ КАТАЛОГ

chi2liu/ABC-GRPO — Abc-Grpo: всеквадрантное ограничение Grpo