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
  ☆216Updated 3 months ago
• jiahe7ay / MINI_LLM
  This is a repository used by individuals to experiment and reproduce the pre-training process of LLM.
  ☆467Updated 3 months ago
• zhanshijinwat / Steel-LLM
  Train a 1B LLM with 1T tokens from scratch by personal
  ☆720Updated 4 months ago
• chunhuizhang / llm_rl
  llm & rl
  ☆194Updated this week
• taishan1994 / Llama3.1-Finetuning
  对llama3进行全参微调、lora微调以及qlora微调。
  ☆207Updated 10 months ago
• akaihaoshuai / baby-llama2-chinese_cybertron
  使用单个24G显卡，从0开始训练LLM
  ☆55Updated 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
  ☆69Updated 6 months ago
• owenliang / qwen-dpo
  通义千问的DPO训练
  ☆52Updated 11 months ago
• datawhalechina / unlock-deepseek
  DeepSeek 系列工作解读、扩展和复现。
  ☆670Updated 4 months ago
• lansinuote / Simple_LLM_DPO
  ☆73Updated 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…
  ☆208Updated last year
• chunhuizhang / personal_chatgpt
  personal chatgpt
  ☆382Updated 8 months ago
• AI-Study-Han / Zero-Chatgpt
  从0开始，将chatgpt的技术路线跑一遍。
  ☆252Updated 11 months ago
• yongzhuo / Qwen-SFT
  阿里通义千问(Qwen-7B-Chat/Qwen-7B), 微调/LORA/推理
  ☆114Updated 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。
  ☆338Updated last year
• hengjiUSTC / learn-llm
  ☆113Updated 9 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
  ☆66Updated last year
• HuggingAGI / HuggingArxiv
  ☆259Updated 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。
  ☆93Updated 11 months ago
• qiufengqijun / mini_qwen
  这是一个从头训练大语言模型的项目，包括预训练、微调和直接偏好优化，模型拥有1B参数，支持中英文。
  ☆557Updated 6 months ago
• Qihoo360 / Light-R1
  ☆737Updated 2 months ago
• yuanzhoulvpi2017 / SentenceEmbedding
  ☆114Updated last year
• yanqiangmiffy / how-to-train-tokenizer
  怎么训练一个LLM分词器
  ☆152Updated 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。
  ☆218Updated last year
• llm-factory / LLaMA-Factory-Doc
  LLaMA Factory Document
  ☆151Updated 2 weeks ago
• KMnO4-zx / TinyRAG
  TinyRAG
  ☆323Updated 2 months ago
• yuanzhoulvpi2017 / nano_rl
  在verl上做reward的定制开发
  ☆107Updated 3 months ago
• Tongjilibo / build_MiniLLM_from_scratch
  从0到1构建一个MiniLLM (pretrain+sft+dpo实践中)
  ☆467Updated 5 months ago
• dhcode-cpp / X-R1
  minimal-cost for training 0.5B R1-Zero
  ☆764Updated 3 months ago
• lansinuote / Simple_RLHF
  ☆96Updated 2 months ago