Alternatives and similar repositories for RLHF_PPO

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

• akaihaoshuai / baby-llama2-chinese_cybertron
  使用单个24G显卡，从0开始训练LLM
  ☆56Updated last week
• yongzhuo / Qwen-SFT
  阿里通义千问(Qwen-7B-Chat/Qwen-7B), 微调/LORA/推理
  ☆111Updated 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。
  ☆329Updated last year
• Mxoder / LLM-from-scratch
  一些 LLM 方面的从零复现笔记
  ☆209Updated 2 months ago
• jiahe7ay / MINI_LLM
  This is a repository used by individuals to experiment and reproduce the pre-training process of LLM.
  ☆452Updated 2 months 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。
  ☆217Updated 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…
  ☆206Updated last year
• taishan1994 / Llama3.1-Finetuning
  对llama3进行全参微调、lora微调以及qlora微调。
  ☆203Updated 9 months ago
• 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）
  ☆343Updated last year
• XU-YIJIE / grpo-flat
  Train your grpo with zero dataset and low resources, 8bit/4bit/lora/qlora supported, multi-gpu supported ...
  ☆74Updated 2 months ago
• yuanzhoulvpi2017 / SentenceEmbedding
  ☆111Updated last year
• hengjiUSTC / learn-llm
  ☆111Updated 8 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
  ☆86Updated last year
• yangjianxin1 / Firefly-LLaMA2-Chinese
  Firefly中文LLaMA-2大模型，支持增量预训练Baichuan2、Llama2、Llama、Falcon、Qwen、Baichuan、InternLM、Bloom等大模型
  ☆409Updated last year
• muyaostudio / qwen2_seq_cls
  使用 Qwen2ForSequenceClassification 简单实现文本分类任务。
  ☆71Updated last year
• chunhuizhang / personal_chatgpt
  personal chatgpt
  ☆377Updated 7 months ago
• KMnO4-zx / TinyRAG
  TinyRAG
  ☆315Updated 3 weeks ago
• yanqiangmiffy / how-to-train-tokenizer
  怎么训练一个LLM分词器
  ☆151Updated 2 years ago
• chaoswork / sft_datasets
  开源SFT数据集整理,随时补充
  ☆527Updated 2 years ago
• RethinkFun / LLM
  ☆85Updated 11 months ago
• ArtificialZeng / Baichuan2-Explained
  Baichuan2代码的逐行解析版本，适合小白
  ☆214Updated last year
• zejunwang1 / LLMTuner
  大语言模型指令调优工具（支持 FlashAttention）
  ☆174Updated last year
• 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。
  ☆91Updated 10 months ago
• percent4 / embedding_rerank_retrieval
  本项目是针对RAG中的Retrieve阶段的召回技术及算法效果所做评估实验。使用主体框架为LlamaIndex.
  ☆265Updated 6 months ago
• ssbuild / qwen_finetuning
  qwen models finetuning
  ☆100Updated 4 months ago
• Tongjilibo / build_MiniLLM_from_scratch
  从0到1构建一个MiniLLM (pretrain+sft+dpo实践中)
  ☆451Updated 3 months ago
• zhanshijinwat / Steel-LLM
  Train a 1B LLM with 1T tokens from scratch by personal
  ☆695Updated 2 months ago
• 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
  ☆63Updated last year
• AI-Study-Han / Zero-Qwen-VL
  训练一个对中文支持更好的LLaVA模型，并开源训练代码和数据。
  ☆64Updated 10 months ago
• OvJat / DeepSpeedTutorial
  DeepSpeed Tutorial
  ☆99Updated 11 months ago