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

• owenliang / qwen-dpo
  通义千问的DPO训练
  ☆49Updated 9 months ago
• Mxoder / LLM-from-scratch
  一些 LLM 方面的从零复现笔记
  ☆203Updated last month
• chunhuizhang / llm_rl
  llm & rl
  ☆151Updated this week
• lansinuote / Simple_RLHF
  ☆85Updated 2 weeks ago
• yuanzhoulvpi2017 / SentenceEmbedding
  ☆111Updated 11 months ago
• akaihaoshuai / baby-llama2-chinese_cybertron
  使用单个24G显卡，从0开始训练LLM
  ☆55Updated last month
• taishan1994 / Llama3.1-Finetuning
  对llama3进行全参微调、lora微调以及qlora微调。
  ☆199Updated 8 months ago
• Zeyi-Lin / Qwen3-Medical-SFT
  Qwen3 Fine-tuning: Medical R1 Style Chat
  ☆79Updated 3 weeks ago
• RethinkFun / LLM
  ☆79Updated 10 months ago
• hengjiUSTC / learn-llm
  ☆109Updated 7 months ago
• Sshuoshuo / easy-rag
  快速入门RAG与私有化部署
  ☆191Updated 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。
  ☆217Updated last year
• jiahe7ay / MINI_LLM
  This is a repository used by individuals to experiment and reproduce the pre-training process of LLM.
  ☆441Updated last month
• 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
  ☆62Updated 4 months 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。
  ☆88Updated 9 months ago
• chunhuizhang / personal_chatgpt
  personal chatgpt
  ☆373Updated 6 months ago
• lansinuote / Simple_RLHF_Llama3
  ☆31Updated 10 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
• lansinuote / Simple_LLM_DPO
  ☆69Updated 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。
  ☆328Updated 11 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…
  ☆203Updated last year
• limafang / agent-arxiv-daily
  🎓Automatically Update agent Papers Daily using Github Actions (Update Every 12th hours)每日更新agent相关论文（已附带中文摘要翻译）
  ☆30Updated this week
• ljc010717 / GRPO2025
  ☆22Updated 2 months ago
• datawhalechina / unlock-deepseek
  DeepSeek 系列工作解读、扩展和复现。
  ☆658Updated 2 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
• 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
• SmartFlowAI / TheGodOfCookery
  ☆93Updated 3 months ago
• open-chinese / alpaca-chinese-dataset
  Alpaca Chinese Dataset -- 中文指令微调数据集
  ☆208Updated 8 months ago
• RethinkFun / trian_ppo
  ☆82Updated 8 months ago
• bytarnish / AGILE
  ☆145Updated 5 months ago