R_REDDYX.XYZ

Grpo: open-source проекты на GitHub

22 репозиториев по теме Grpo, отобранных ИИ-агентом REDDYX. У каждого — описание на русском, ключевые возможности и разбор. Отсортировано по числу звёзд.

// СМЕЖНЫЕ ТЕМЫ

LLM 2064Reinforcement Learning 47Rlhf 19Lora 50Multimodal 144Rl 15Vllm 62Agentic AI 377Fine Tuning 48Pytorch 91Qwen 101Agent 540Huggingface 54Deepseek R1 24
Orchestra-Research/AI-Research-SKILLs

AI-RESEARCH-SKILLS: 9.7K ЗВЁЗД

Библиотека навыков для AI-агентов: превращает Claude Code, Codex и Gemini в полноценных AI-исследователей. От Orchestra Research.

★ 14,571 · TeX
modelscope/ms-swift

ms-swift: обучение LLM

Фреймворк для тонкой настройки 600+ языковых и 300+ мультимодальных моделей. Поддержка PEFT, полная донастройка, CPT/SFT/DPO/GRPO.

★ 14,178 · Python
oumi-ai/oumi

OUMI ЛЁГКАЯ НАСТРОЙКА LLM

OUMI позволяет быстро fine‑tune (SFT/RL), оценивать и развёртывать модели Qwen, Gemma и любые открытые агентные LLM/VLM без лишней сложности.

★ 9,433 · Python
om-ai-lab/VLM-R1

VLM-R1: УМНОЕ РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ

Проект демонстрирует, как обучение с подкреплением улучшает понимание изображений мультимедийными моделями.

★ 6,046 · Python
rasbt/reasoning-from-scratch

LLM С НУЛЯ В PYTORCH

Проект reasoning-from-scratch показывает, как построить Reasoning LLM с нуля на PyTorch, шаг за шагом. В Jupyter ноутбуках реализованы архитектура, обучение с CoT и дисти

★ 5,831 · Jupyter Notebook
adongwanai/AgentGuide

Гид по AI-агентам

Практическое руководство по созданию AI-агентов: LangGraph, продвинутый RAG, подготовка к интервью и синтез данных.

★ 4,747 · HTML
SkyworkAI/Skywork-R1V

SKYWORK-R1V ВИЗИОННЫЙ ЯЗЫК ИИ

Серия моделей Skywork-R1V объединяет зрение и язык для сложного рассуждения. Доступна на Python и уже собрала более 3к звёзд.

★ 3,173 · Python
datawhalechina/diy-llm

DIY-LLM: ПОЛНЫЙ КУРС LLM С КОДОМ

Проект diy-llm предлагает шесть пошаговых Jupyter‑ноутбуков, охватывающих предобучение данных, токенизацию, Transformer, MoE, распределённое обучение, масштабирующие зако

★ 2,960 · Jupyter Notebook
walkinglabs/hands-on-modern-rl

Практикум по современному RL

Открытый курс по обучению с подкреплением: от базовых алгоритмов до выравнивания LLM, RLVR и агентских систем.

★ 1,850 · Python
JudgmentLabs/judgeval

JUDGEVAL СТЕК ДЛЯ АГЕНТОВ

Платформа для непрерывного улучшения AI-агентов: сбор данных окружения и оценки для мониторинга и роста.

★ 1,036 · Python
whitecircle/halo

HALO: ФРЕЙМВОРК ОБУЧЕНИЯ LLM

Halo — открытый фреймворк от White Circle для обучения больших языковых и мультимодальных моделей. Поддерживает агентное обучение, async-RL, распределённое обучение и fin

★ 862 · Python
redai-studio/Relax

РЕЛАКС: АСИНХРОННЫЙ RL ДЛЯ МУЛЬТИМОДАЛЬНОЙ ОБУЧЕНИЕ

Relax — асинхронный движок reinforcement learning для масштабированного пост‑обучения агентов. Поддерживает распределённое обучение, мультиагентные сценарии и работу с ра

★ 676 · Python
adithya-s-k/FineEnvs

FINENVS: RL-СРЕДЫ НОВОГО ПОКОЛЕНИЯ

FineEnvs — библиотека на Python для создания и масштабирования сред reinforcement learning с учётом возможностей больших языковых моделей. Она упрощает интеграцию LLM-аге

★ 563 · Python
Gen-Verse/Open-AgentRL

OPEN-AGENTRL - УНИВЕРСАЛЬНЫЙ AGENT RL

Open-AgentRL предлагает RLAnything и DemyAgent — общие и масштабируемые алгоритмы агентного RL для терминала, GUI, SWE и вызова инструментов.

★ 545 · Python
jiangxinke/Harness-RL

AGENTIC RAG С RL ПОДДЕРЖКОЙ

Harness-RL — фреймворк агентного RAG, где RL оптимизирует поиск и генерацию. Поддерживает GRPO, работу с LLM и расширение через Python API.

★ 452 · Python
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

★ 438 · Python
inclusionAI/AReno

ARENO - УСКОРЯЕМ RL НА ОДНОМ УЗЛЕ

ARENO упрощает масштабирование пост‑обучения RL на одном узле, обеспечивая высокую скорость и минимальную настройку.

★ 389 · Python
verl-project/verl-omni

VERL-OMNI: ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ

Фреймворк для RL-обучения диффузионных и мультимодальных моделей. 347 звёзд на GitHub.

★ 347 · Python
hud-evals/hud-python

HUD-PYTHON RL СРЕДА ОЦЕНКИ

OSS-среда для RL с готовыми инструментами оценки агентов. Запускай, настраивай, получай результаты.

★ 329 · Python
autonomous-ai/autonomous-grid

СОБЕРИ СВОЙ AI ИНТРАНЕТ

Автономная сетка объединяет ваши компьютеры в единую инфраструктуру для запуска AI‑моделей: обучение, дообучение и инференс. Поддерживает распределённые вычисления, fine‑

★ 278 · Python
TYH-labs/unsloth-buddy

Лёгкое дообучение LLM-ассистентов

Zero-friction дообучение любых LLM для Claude Code, Gemini CLI и ACP-агентов: от настройки среды до обучения (LoRA, SFT, DPO, GRPO) с поддержкой NVIDIA и Apple Silicon.

★ 237 · Python
Haozhe-Xing/agent_learning

УЧИМСЯ СОЗДАВАТЬ AI АГЕНТОВ

Системный tutorial по созданию AI-агентов: LLM, RAG, инструменты, память, мульти-агенты, LangChain, LangGraph и RL. Ежедневные arXiv обновления.

★ 214 · HTML

Новые проекты по теме — в Telegram

Telegram →
Grpo — 22 open-source проектов на GitHub | REDDYX AI