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

• Mxoder / LLM-from-scratch
  一些 LLM 方面的从零复现笔记
  ☆243Updated 8 months ago
• akaihaoshuai / baby-llama2-chinese_cybertron
  使用单个24G显卡，从0开始训练LLM
  ☆56Updated 6 months ago
• taishan1994 / Llama3.1-Finetuning
  对llama3进行全参微调、lora微调以及qlora微调。
  ☆214Updated last year
• jiahe7ay / MINI_LLM
  This is a repository used by individuals to experiment and reproduce the pre-training process of LLM.
  ☆488Updated 8 months ago
• datawhalechina / unlock-deepseek
  DeepSeek 系列工作解读、扩展和复现。
  ☆700Updated 9 months ago
• hengjiUSTC / learn-llm
  ☆115Updated last year
• chunhuizhang / llm_rl
  llm & rl
  ☆266Updated 2 months ago
• lansinuote / Simple_LLM_DPO
  ☆77Updated 2 years ago
• zhanshijinwat / Steel-LLM
  Train a 1B LLM with 1T tokens from scratch by personal
  ☆784Updated 8 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。
  ☆100Updated 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。
  ☆365Updated last year
• owenliang / qwen-dpo
  通义千问的DPO训练
  ☆60Updated last year
• HuggingAGI / HuggingArxiv
  ☆267Updated 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
  ☆74Updated 11 months ago
• dhcode-cpp / X-R1
  minimal-cost for training 0.5B R1-Zero
  ☆803Updated 8 months ago
• Qihoo360 / Light-R1
  ☆758Updated 3 weeks ago
• lansinuote / Simple_RLHF_Llama3
  ☆33Updated last year
• AI-Study-Han / Zero-Chatgpt
  从0开始，将chatgpt的技术路线跑一遍。
  ☆271Updated 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…
  ☆215Updated 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。
  ☆78Updated last year
• yuanzhoulvpi2017 / nano_rl
  在verl上做reward的定制开发
  ☆141Updated 7 months ago
• yuanzhoulvpi2017 / SentenceEmbedding
  ☆120Updated last year
• yongzhuo / Qwen-SFT
  阿里通义千问(Qwen-7B-Chat/Qwen-7B), 微调/LORA/推理
  ☆132Updated last year
• lqtrung1998 / mwp_ReFT
  ☆552Updated last year
• chunhuizhang / personal_chatgpt
  personal chatgpt
  ☆404Updated last week
• Sshuoshuo / easy-rag
  快速入门RAG与私有化部署
  ☆212Updated last year
• mobvoi / seq-monkey-data
  ☆174Updated last year
• yanqiangmiffy / how-to-train-tokenizer
  怎么训练一个LLM分词器
  ☆154Updated 2 years ago
• HuggingAGI / HuggingArxivLLM
  ☆125Updated 3 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
  ☆69Updated last year