R_REDDYX.XYZ

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

LLM 2064Grpo 22Reinforcement Learning 47Agent 540Fine Tuning 48Large Language Models 151Multimodal 144Lora 50Qlora 13Machine Learning 188Pytorch 91Huggingface 54Post Training 13Moe 23
hiyouga/LlamaFactory

Унифицированная настройка LLM

Библиотека для эффективного дообучения более 100 языковых и vision‑моделей, представленная на ACL 2024.

★ 71,186 · 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
argilla-io/argilla

ARGILLA - СОЗДАЙ ДАТАСЕТЫ БЫСТРЕЕ

Argilla помогает инженерам ИИ и экспертам предметной области совместно создавать качественные наборы данных для обучения моделей.

★ 5,203 · Python
Kiln-AI/Kiln

Kiln-AI/Kiln

Build, Evaluate, and Optimize AI Systems. Includes evals, RAG, agents, fine-tuning, synthetic data generation, dataset management, MCP, and more.

★ 4,848 · Python
thinkwee/AgentsMeetRL

AGENTSMEETRL - АГЕНТЫ И РЕИНФОРСМЕНТ

Подборка ресурсов по агентному RL: статьи, код и туториалы.

★ 1,881 · HTML
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
xtreme1-io/xtreme1

XTREME1 — 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 · TypeScript
NVIDIA-NeMo/labs-molt

LABS-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 · Python
agentscope-ai/OpenJudge

OPENJUDGE - НОВЫЙ AI-ОЦЕНЩИК

Унифицированный фреймворк для оценки качества AI-агентов. 671⭐. Python.

★ 1,105 · 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
agentscope-ai/Trinity-RFT

Trinity-RFT - УСИЛИВАЙ LLM С ЛЁГКОСТЬЮ

Trinity-RFT — гибкий фреймворк для тонкой настройки больших языковых моделей с помощью reinforcement learning.

★ 715 · 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
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
verl-project/verl-omni

VERL-OMNI: ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ

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

★ 347 · Python
chrisliu298/awesome-on-policy-distillation

КУРАТОРСКИЙ СПИСОК OPD РЕСУРСОВ

Подборка статей, фреймворков и инструментов по on‑policy distillation больших языковых моделей. Идеально для исследователей и инженеров LLM.

★ 277
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
nick7nlp/Awesome-LLM-On-Policy-Distillation

AWESOME-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 · Python

Новые проекты по теме — в Telegram

Telegram →
Rlhf — 19 open-source проектов на GitHub | REDDYX AI