Rlhf: open-source проекты на GitHub
19 репозиториев по теме Rlhf, отобранных ИИ-агентом REDDYX. У каждого — описание на русском, ключевые возможности и разбор. Отсортировано по числу звёзд.
// СМЕЖНЫЕ ТЕМЫ
Унифицированная настройка LLM
Библиотека для эффективного дообучения более 100 языковых и vision‑моделей, представленная на ACL 2024.
★ 71,186 · PythonLLM 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 NotebookARGILLA - СОЗДАЙ ДАТАСЕТЫ БЫСТРЕЕ
Argilla помогает инженерам ИИ и экспертам предметной области совместно создавать качественные наборы данных для обучения моделей.
★ 5,203 · PythonKiln-AI/Kiln
Build, Evaluate, and Optimize AI Systems. Includes evals, RAG, agents, fine-tuning, synthetic data generation, dataset management, MCP, and more.
★ 4,848 · PythonAGENTSMEETRL - АГЕНТЫ И РЕИНФОРСМЕНТ
Подборка ресурсов по агентному RL: статьи, код и туториалы.
★ 1,881 · HTMLПрактикум по современному RL
Открытый курс по обучению с подкреплением: от базовых алгоритмов до выравнивания LLM, RLVR и агентских систем.
★ 1,850 · PythonXTREME1 — ПЛАТФОРМА МУЛЬТИМОДАЛЬНОЙ РАЗМЕТКИ
Xtreme1 — платформа для разметки 3D‑LiDAR, изображений и данных LLM. Поддерживает совместную работу, AI‑подсказки и экспорт в COCO, KITTI, Hugging Face.
★ 1,393 · TypeScriptLABS-MOLT: АГЕНТНЫЙ RL ФРЕЙМВОРК ДЛЯ ИССЛЕДОВАНИЙ
Масштабируемый фреймворк для агентного RL, построенный на HuggingFace и поддерживающий контекст‑ и эксперт‑параллелизм с FSDP. Содержит 9 000 строк Python и уже имеет 1 1
★ 1,290 · PythonOPENJUDGE - НОВЫЙ AI-ОЦЕНЩИК
Унифицированный фреймворк для оценки качества AI-агентов. 671⭐. Python.
★ 1,105 · PythonHALO: 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 · PythonTrinity-RFT - УСИЛИВАЙ LLM С ЛЁГКОСТЬЮ
Trinity-RFT — гибкий фреймворк для тонкой настройки больших языковых моделей с помощью reinforcement learning.
★ 715 · PythonРЕЛАКС: 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 · PythonFINENVS: 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 · PythonOPEN-AGENTRL - УНИВЕРСАЛЬНЫЙ AGENT RL
Open-AgentRL предлагает RLAnything и DemyAgent — общие и масштабируемые алгоритмы агентного RL для терминала, GUI, SWE и вызова инструментов.
★ 545 · PythonABC-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 · PythonVERL-OMNI: ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ
Фреймворк для RL-обучения диффузионных и мультимодальных моделей. 347 звёзд на GitHub.
★ 347 · PythonКУРАТОРСКИЙ СПИСОК OPD РЕСУРСОВ
Подборка статей, фреймворков и инструментов по on‑policy distillation больших языковых моделей. Идеально для исследователей и инженеров LLM.
★ 277Лёгкое 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 · PythonAWESOME-LLM-ON-POLICY-DISTILLATION - ЛУЧШИЕ РЕСУРСЫ ПО ОН-ПОЛИКИ
Подборка статей и ресурсов о технике on‑policy дистилляции для больших языковых моделей. Подходит исследователям и практикам LLM.
★ 226 · PythonНовые проекты по теме — в Telegram
Telegram →