Alternatives and similar repositories for DeepSeek-RL-Qwen-0.5B-GRPO-gsm8k

Users that are interested in DeepSeek-RL-Qwen-0.5B-GRPO-gsm8k are comparing it to the libraries listed below

• jiahe7ay / MINI_LLM
  This is a repository used by individuals to experiment and reproduce the pre-training process of LLM.
  ☆473Updated 5 months ago
• Mxoder / LLM-from-scratch
  一些 LLM 方面的从零复现笔记
  ☆226Updated 5 months ago
• akaihaoshuai / baby-llama2-chinese_cybertron
  使用单个24G显卡，从0开始训练LLM
  ☆56Updated 3 months ago
• chunhuizhang / llm_rl
  llm & rl
  ☆230Updated last month
• 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。
  ☆95Updated last year
• yuanzhoulvpi2017 / SentenceEmbedding
  ☆119Updated last year
• hengjiUSTC / learn-llm
  ☆115Updated 11 months ago
• zhanshijinwat / Steel-LLM
  Train a 1B LLM with 1T tokens from scratch by personal
  ☆741Updated 6 months ago
• datawhalechina / unlock-deepseek
  DeepSeek 系列工作解读、扩展和复现。
  ☆681Updated 6 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
  ☆68Updated last year
• yuanzhoulvpi2017 / nano_rl
  在verl上做reward的定制开发
  ☆120Updated 5 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…
  ☆211Updated 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。
  ☆347Updated last year
• lansinuote / Simple_LLM_DPO
  ☆74Updated last year
• dhcode-cpp / X-R1
  minimal-cost for training 0.5B R1-Zero
  ☆778Updated 5 months ago
• Qihoo360 / Light-R1
  ☆748Updated last month
• HuggingAGI / HuggingArxiv
  ☆265Updated 10 months ago
• LDLINGLINGLING / adan_application
  一些大语言模型和多模态模型的生态,主要包括跨模态搜索、投机解码、QAT量化、多模态量化、ChatBot、OCR
  ☆191Updated 2 months ago
• taishan1994 / Llama3.1-Finetuning
  对llama3进行全参微调、lora微调以及qlora微调。
  ☆210Updated last year
• HuggingAGI / HuggingArxivLLM
  ☆117Updated 2 weeks ago
• Sshuoshuo / easy-rag
  快速入门RAG与私有化部署
  ☆209Updated last year
• cwxndl / LLM
  大语言模型应用：RAG、NL2SQL、聊天机器人、预训练、MOE混合专家模型、微调训练、强化学习、天池数据竞赛
  ☆71Updated 8 months ago
• RethinkFun / LLM
  ☆110Updated last year
• yongzhuo / Qwen-SFT
  阿里通义千问(Qwen-7B-Chat/Qwen-7B), 微调/LORA/推理
  ☆122Updated last year
• chunhuizhang / personal_chatgpt
  personal chatgpt
  ☆387Updated 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.
  ☆280Updated 3 months ago
• owenliang / agent
  qwen ai agent
  ☆139Updated last year
• yanqiangmiffy / how-to-train-tokenizer
  怎么训练一个LLM分词器
  ☆153Updated 2 years 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。
  ☆220Updated last year
• lansinuote / Simple_RLHF_Llama3
  ☆32Updated last year