dpo

¡Ajusta, evalúa y despliega fácilmente Qwen, Gemma o cualquier LLM de pesos abiertos!

MedicalGPT: Entrena tu propio modelo GPT médico con el pipeline de entrenamiento de ChatGPT. Entrena modelos médicos grandes implementando preentrenamiento incremental (PT), ajuste fino supervisado (SFT), RLHF, DPO, ORPO, GRPO.

Ajusta LLMs desde un solo YAML. El streaming de capas entrena un modelo de 8B en una GPU de laptop de 4 GB.

Align Anything: Entrenamiento de modelos de todas las modalidades con retroalimentación

🚀 Un plan de estudios práctico y de código abierto que puentea la brecha desde los conceptos básicos de RL hasta la alineación de LLM, RLVR y sistemas de agentes avanzados.

Una biblioteca con implementaciones extensibles de DPO, KTO, PPO, ORPO y otras funciones de pérdida orientadas a humanos (HALOs).

[ICCV 2025] Código oficial de DeepMesh: Creación autorregresiva de mallas artísticas con aprendizaje por refuerzo

🌾 OAT: Un marco de trabajo amigable para la investigación de alineación en línea de LLM, que incluye aprendizaje por refuerzo, aprendizaje de preferencias, etc.

Ajuste fino (finetuning) fácil y eficiente para LLMs. (Compatible con LLama, LLama2, LLama3, Qwen, Baichuan, GLM, Falcon). Entrenamiento y despliegue eficiente de cuantización para grandes modelos.

Una lista curada de artículos sobre aprendizaje por refuerzo para la generación de video

Repositorio de Deep Learning NLP que utiliza TensorFlow para cubrir desde el preprocesamiento de texto hasta tareas posteriores con modelos modernos como Topic Models, BERT, GPT y LLM.