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
  ☆54Updated last week
• yuanzhoulvpi2017 / SentenceEmbedding
  ☆110Updated 11 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
  ☆85Updated last year
• Mxoder / LLM-from-scratch
  一些 LLM 方面的从零复现笔记
  ☆200Updated last month
• 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。
  ☆325Updated 10 months ago
• taishan1994 / Llama3.1-Finetuning
  对llama3进行全参微调、lora微调以及qlora微调。
  ☆198Updated 8 months ago
• yongzhuo / Qwen-SFT
  阿里通义千问(Qwen-7B-Chat/Qwen-7B), 微调/LORA/推理
  ☆104Updated last year
• yanqiangmiffy / how-to-train-tokenizer
  怎么训练一个LLM分词器
  ☆149Updated last year
• lansinuote / Simple_LLM_DPO
  ☆69Updated last year
• Sshuoshuo / easy-rag
  快速入门RAG与私有化部署
  ☆187Updated last year
• liujunwen23 / MIRE
  WWW2025 Multimodal Intent Recognition for Dialogue Systems Challenge
  ☆123Updated 6 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…
  ☆201Updated last year
• RethinkFun / trian_ppo
  ☆76Updated 8 months ago
• chunhuizhang / personal_chatgpt
  personal chatgpt
  ☆372Updated 5 months ago
• hengjiUSTC / learn-llm
  ☆108Updated 6 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
• taishan1994 / sentencepiece_chinese_bpe
  使用sentencepiece中BPE训练中文词表，并在transformers中进行使用。
  ☆118Updated 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。
  ☆87Updated 8 months ago
• yang19527 / AwesomeInterview
  包含程序员面试大厂面试题和面试经验
  ☆132Updated 2 weeks ago
• zhangzhao219 / WSDM-Cup-2024
  1st Solution For Conversational Multi-Doc QA Workshop & International Challenge @ WSDM'24 - Xiaohongshu.Inc
  ☆160Updated last year
• XU-YIJIE / grpo-flat
  Train your grpo with zero dataset and low resources, 8bit/4bit/lora/qlora supported, multi-gpu supported ...
  ☆71Updated last month
• 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。
  ☆59Updated 8 months ago
• owenliang / qwen-dpo
  通义千问的DPO训练
  ☆48Updated 8 months ago
• OvJat / DeepSpeedTutorial
  DeepSpeed Tutorial
  ☆97Updated 9 months ago
• lansinuote / Simple_RLHF
  ☆83Updated last month
• 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
  ☆61Updated last year
• jiangxinyang227 / LLM-tuning
  llama，chatglm 等模型的微调
  ☆89Updated 10 months ago
• Fyfy1996 / LLM_reviews
  大模型基础学习和面试八股文
  ☆122Updated last year
• heyblackC / BetterMixture-Top1-Solution
  天池算法比赛《BetterMixture - 大模型数据混合挑战赛》的第一名top1解决方案
  ☆31Updated 10 months ago
• bobo0810 / LearnDeepSpeed
  DeepSpeed教程 & 示例注释 & 学习笔记 （大模型高效训练）
  ☆164Updated last year