OctopusMind / RLHF_PPO

Related projects ⓘ

Alternatives and complementary repositories for RLHF_PPO

• hengjiUSTC / learn-llm
  ☆81Updated this week
• akaihaoshuai / baby-llama2-chinese_cybertron
  使用单个24G显卡，从0开始训练LLM
  ☆49Updated 3 weeks ago
• ssbuild / qwen_finetuning
  qwen-7b and qwen-14b finetuning
  ☆84Updated 6 months ago
• Logistic98 / rag-omni
  基于BM25、BGE的检索增强生成RAG示例
  ☆97Updated 2 weeks ago
• stanleylsx / llms_tool
  一个基于HuggingFace开发的大语言模型训练、测试工具。支持各模型的webui、终端预测，低参数量及全参数模型训练(预训练、SFT、RM、PPO、DPO)和融合、量化。
  ☆202Updated 11 months ago
• ai408 / nlp-engineering
  专注于Python/C++/CUDA、ML/DL/RL和NLP/KG/DS/LLM领域的技术分享。
  ☆63Updated 4 months ago
• ssbuild / llm_finetuning
  Large language Model fintuning bloom , opt , gpt, gpt2 ,llama,llama-2,cpmant and so on
  ☆96Updated 6 months ago
• zejunwang1 / LLMTuner
  大语言模型指令调优工具（支持 FlashAttention）
  ☆166Updated 10 months ago
• yongzhuo / ChatGLM2-SFT
  ChatGLM2-6B微调, SFT/LoRA, instruction finetune
  ☆106Updated last year
• Mxoder / LLM-from-scratch
  一些 LLM 方面的从零复现笔记
  ☆134Updated last month
• zhanshijinwat / Steel-LLM
  Train a Chinese LLM From 0 by Personal
  ☆201Updated last week
• lansinuote / Simple_LLM_DPO
  ☆62Updated last year
• yongzhuo / qwen2-sft
  Qwen1.5-SFT(阿里, Ali), Qwen_Qwen1.5-2B-Chat/Qwen_Qwen1.5-7B-Chat微调(transformers)/LORA(peft)/推理
  ☆44Updated 5 months ago
• taishan1994 / sentencepiece_chinese_bpe
  使用sentencepiece中BPE训练中文词表，并在transformers中进行使用。
  ☆109Updated last year
• yongzhuo / LLM-SFT
  中文大模型微调(LLM-SFT), 数学指令数据集MWP-Instruct, 支持模型(ChatGLM-6B, LLaMA, Bloom-7B, baichuan-7B), 支持(LoRA, QLoRA, DeepSpeed, UI, TensorboardX), 支持(微…
  ☆166Updated 5 months ago
• gameofdimension / vllm-cn
  演示 vllm 对中文大语言模型的神奇效果
  ☆31Updated last year
• yanqiangmiffy / how-to-train-tokenizer
  怎么训练一个LLM分词器
  ☆129Updated last year
• ssbuild / deep_training
  deep learning
  ☆149Updated 4 months ago
• wp931120 / baichuan_sft_lora
  baichuan LLM surpervised finetune by lora
  ☆60Updated last year
• dawoshi / Tianchi-LLM-QA
  阿里天池: 2023全球智能汽车AI挑战赛——赛道一：AI大模型检索问答 baseline 80+
  ☆73Updated 10 months ago
• Pillars-Creation / ChatGLM-RLHF-LoRA-RM-PPO
  ChatGLM-6B添加了RLHF的实现，以及部分核心代码的逐行讲解 ,实例部分是做了个新闻短标题的生成，以及指定context推荐的RLHF的实现
  ☆78Updated last year
• andongBlue / SoLargeLM
  ☆22Updated last year
• yuanzhoulvpi2017 / SentenceEmbedding
  ☆88Updated 4 months ago
• lilongxian / BaiYang-chatGLM2-6B
  （1）弹性区间标准化的旋转位置词嵌入编码器+peft LORA量化训练，提高万级tokens性能支持。（2）证据理论解释学习，提升模型的复杂逻辑推理能力（3）兼容alpaca数据格式。
  ☆45Updated last year
• Sshuoshuo / easy-rag
  快速入门RAG与私有化部署
  ☆129Updated 6 months ago
• jackaduma / ChatGLM-LoRA-RLHF-PyTorch
  A full pipeline to finetune ChatGLM LLM with LoRA and RLHF on consumer hardware. Implementation of RLHF (Reinforcement Learning with Huma…
  ☆126Updated last year
• BUAADreamer / EasyRAG
  Easy-to-Use RAG Framework; CCF AIOps International Challenge 2024 Top3 Solution; CCF AIOps 国际挑战赛 2024 季军方案
  ☆71Updated last week
• taishan1994 / qlora-chinese-LLM
  使用qlora对中文大语言模型进行微调，包含ChatGLM、Chinese-LLaMA-Alpaca、BELLE
  ☆85Updated last year
• ArtificialZeng / Qwen-Tuning
  Qwen-Efficient-Tuning
  ☆42Updated last year
• ArtificialZeng / Baichuan2-Explained
  Baichuan2代码的逐行解析版本，适合小白
  ☆209Updated last year