Alternatives and similar repositories for RLHF_PPO

Users that are interested in RLHF_PPO are comparing it to the libraries listed below

• yuanzhoulvpi2017 / SentenceEmbedding
  ☆120Updated last year
• akaihaoshuai / baby-llama2-chinese_cybertron
  使用单个24G显卡，从0开始训练LLM
  ☆56Updated 6 months ago
• taishan1994 / Llama3.1-Finetuning
  对llama3进行全参微调、lora微调以及qlora微调。
  ☆214Updated last year
• chunhuizhang / personal_chatgpt
  personal chatgpt
  ☆405Updated 2 weeks 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
  ☆88Updated 2 years ago
• percent4 / llm_math_solver
  本项目用于大模型数学解题能力方面的数据集合成，模型训练及评测，相关文章记录。
  ☆99Updated last year
• 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。
  ☆221Updated 2 years ago
• jiahe7ay / MINI_LLM
  This is a repository used by individuals to experiment and reproduce the pre-training process of LLM.
  ☆489Updated 8 months ago
• muyaostudio / qwen2_seq_cls
  使用 Qwen2ForSequenceClassification 简单实现文本分类任务。
  ☆88Updated last year
• Glanvery / LLM-Travel
  欢迎来到 "LLM-travel" 仓库！探索大语言模型（LLM）的奥秘 🚀。致力于深入理解、探讨以及实现与大模型相关的各种技术、原理和应用。
  ☆367Updated last year
• liujunwen23 / MIRE
  WWW2025 Multimodal Intent Recognition for Dialogue Systems Challenge
  ☆130Updated last year
• km1994 / llms_paper
  该仓库主要记录 LLMs 算法工程师相关的顶会论文研读笔记（多模态、PEFT、小样本QA问答、RAG、LMMs可解释性、Agents、CoT）
  ☆373Updated last year
• yongzhuo / Qwen-SFT
  阿里通义千问(Qwen-7B-Chat/Qwen-7B), 微调/LORA/推理
  ☆134Updated last year
• Mxoder / LLM-from-scratch
  一些 LLM 方面的从零复现笔记
  ☆243Updated 8 months ago
• 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…
  ☆215Updated last year
• OvJat / DeepSpeedTutorial
  DeepSpeed Tutorial
  ☆105Updated last year
• yanqiangmiffy / how-to-train-tokenizer
  怎么训练一个LLM分词器
  ☆154Updated 2 years ago
• hengjiUSTC / learn-llm
  ☆115Updated last year
• waylandzhang / DeepSeek-RL-Qwen-0.5B-GRPO-gsm8k
  ☆85Updated 11 months ago
• lansinuote / Simple_LLM_DPO
  ☆77Updated 2 years ago
• chaoswork / sft_datasets
  开源SFT数据集整理,随时补充
  ☆569Updated 2 years ago
• git-cloner / llama2-lora-fine-tuning
  llama2 finetuning with deepspeed and lora
  ☆176Updated 2 years ago
• yuanzhoulvpi2017 / nano_rl
  在verl上做reward的定制开发
  ☆142Updated 8 months ago
• chunhuizhang / bert_t5_gpt
  ☆81Updated last month
• owenliang / qwen-dpo
  通义千问的DPO训练
  ☆60Updated 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
  ☆69Updated last year
• Sshuoshuo / easy-rag
  快速入门RAG与私有化部署
  ☆211Updated last year
• ArtificialZeng / Baichuan2-Explained
  Baichuan2代码的逐行解析版本，适合小白
  ☆213Updated 2 years ago
• lansinuote / Simple_RLHF
  ☆109Updated 7 months ago
• xubuvd / LLMs
  专注于中文领域大语言模型，落地到某个行业某个领域，成为一个行业大模型、公司级别或行业级别领域大模型。
  ☆126Updated 10 months ago