Alternatives and similar repositories for Simple_LLM_PPO

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

• lansinuote / Simple_LLM_DPO
  ☆69Updated last year
• akaihaoshuai / baby-llama2-chinese_cybertron
  使用单个24G显卡，从0开始训练LLM
  ☆55Updated last month
• poisonwine / Tianchi-LLM-retrieval
  2023全球智能汽车AI挑战赛——赛道一：AI大模型检索问答， 75+ baseline
  ☆58Updated last year
• yuanzhoulvpi2017 / SentenceEmbedding
  ☆111Updated 11 months ago
• yanqiangmiffy / how-to-train-tokenizer
  怎么训练一个LLM分词器
  ☆150Updated last year
• taishan1994 / pytorch-distributed-NLP
  pytorch分布式训练
  ☆66Updated last year
• zhangzhao219 / WSDM-Cup-2024
  1st Solution For Conversational Multi-Doc QA Workshop & International Challenge @ WSDM'24 - Xiaohongshu.Inc
  ☆160Updated last year
• 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
• 5663015 / LLMs_train
  一套代码指令微调大模型
  ☆39Updated last year
• CSHaitao / ChatGLM_mutli_gpu_tuning
  deepspeed+trainer简单高效实现多卡微调大模型
  ☆126Updated 2 years ago
• zejunwang1 / LLMTuner
  大语言模型指令调优工具（支持 FlashAttention）
  ☆173Updated last year
• owenliang / qwen-dpo
  通义千问的DPO训练
  ☆48Updated 9 months ago
• SupritYoung / RLHF-Label-Tool
  用于大模型 RLHF 进行人工数据标注排序的工具。A tool for manual response data annotation sorting in RLHF stage.
  ☆252Updated last year
• WangRongsheng / Chinese-LLaMA-Alpaca-Usage
  📔 对Chinese-LLaMA-Alpaca进行使用说明和核心代码注解
  ☆50Updated 2 years ago
• ArtificialZeng / ChatGLM2-6B-Explained
  ChatGLM2-6B-Explained
  ☆35Updated last year
• XU-YIJIE / grpo-flat
  Train your grpo with zero dataset and low resources, 8bit/4bit/lora/qlora supported, multi-gpu supported ...
  ☆73Updated last month
• wp931120 / baichuan_sft_lora
  baichuan LLM surpervised finetune by lora
  ☆63Updated 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+
  ☆105Updated last year
• 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。
  ☆118Updated 3 months ago
• sugarandgugu / Simple-Trl-Training
  基于DPO算法微调语言大模型，简单好上手。
  ☆39Updated 11 months ago
• RethinkFun / trian_ppo
  ☆82Updated 8 months ago
• yongzhuo / ChatGLM2-SFT
  ChatGLM2-6B微调, SFT/LoRA, instruction finetune
  ☆108Updated last year
• liujunwen23 / MIRE
  WWW2025 Multimodal Intent Recognition for Dialogue Systems Challenge
  ☆120Updated 7 months ago
• 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 11 months ago
• hengjiUSTC / learn-llm
  ☆109Updated 7 months ago
• mark1879 / Baichuan-13B-Finetuning
  Baichuan-13B 指令微调
  ☆90Updated 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。
  ☆88Updated 9 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。
  ☆118Updated 2 years 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
• threeColorFr / LLMforDialogDataGenerate
  Generate dialog data from documents using LLM like ChatGLM2 or ChatGPT;利用ChatGLM2,ChatGPT等大模型根据文档生成对话数据集
  ☆158Updated last year