rlhf

Ajuste fino eficiente y unificado de más de 100 LLMs y VLMs (ACL 2024)

OpenAssistant es un asistente basado en chat que comprende tareas, puede interactuar con sistemas de terceros y recuperar información de forma dinámica para lograrlo.

La página oficial de GitHub para el artículo de revisión "A Survey of Large Language Models".

Lanzamiento oficial de la serie InternLM (InternLM, InternLM2, InternLM2.5, InternLM3).

Proyecto de segunda fase de LLaMA-2 y Alpaca-2 en chino + modelo de contexto ultra largo de 64K (LLaMA-2 y Alpaca-2 LLMs en chino con modelos de contexto largo de 64K)

Recetas robustas para alinear modelos de lenguaje con las preferencias humanas y de la IA

OpenClaw-RL: Entrena cualquier agente simplemente hablando

El entorno de investigación de código abierto para que los investigadores de IA entrenen, evalúen y escalen modelos sin problemas desde hardware local hasta clústeres de GPU.

Implementa un LLM de razonamiento en PyTorch desde cero, paso a paso

Argilla es una herramienta de colaboración para ingenieros de IA y expertos en dominios para construir conjuntos de datos de alta calidad

Construye, evalúa y optimiza sistemas de IA. Incluye evaluaciones, RAG, agentes, ajuste fino, generación de datos sintéticos, gestión de conjuntos de datos, MCP y más.

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

Una lista seleccionada de recursos sobre aprendizaje por refuerzo con retroalimentación humana (actualizada continuamente)

🚀 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.

Un doctor para tus datos

Distilabel es un framework para datos sintéticos y retroalimentación de IA para ingenieros que necesitan flujos rápidos, confiables y escalables basados en artículos de investigación verificados.

Una biblioteca de escalado eficiente y fácil de usar para el aprendizaje por refuerzo con Large Language Models

LeetCode para PyTorch: 65 problemas de entrevistas de ML/AI de entrevistas reales en Google, Meta, Anthropic. Incluye notebooks de Jupyter, un evaluador automático y un tutor de IA MCP.

Libro de texto sobre el aprendizaje por refuerzo a partir de retroalimentación humana

Un evaluador automático para modelos de lenguaje que siguen instrucciones. Validado por humanos, de alta calidad, económico y rápido.

Lista de recursos destacados sobre aprendizaje por refuerzo basado en agentes (Agentic RL)

[NeurIPS 2023] ImageReward: Aprendizaje y evaluación de preferencias humanas para la generación de texto a imagen.

Safe RLHF: Alineación de valores restringida mediante aprendizaje por refuerzo seguro a partir de retroalimentación humana

WebGLM: Un sistema eficiente de preguntas y respuestas mejorado por la web (KDD 2023)

Recetas para entrenar modelos de recompensa para RLHF.

Secretos de RLHF en Modelos de Lenguaje Grandes Parte I: PPO

Xtreme1 es una plataforma integral de etiquetado y anotación de datos para el entrenamiento de datos multimodales, compatible con nubes de puntos LiDAR 3D, imágenes y LLM.

[NeurIPS 2024] SimPO: Optimización de preferencias simple con recompensa sin referencia.

Framework de entrenamiento de aprendizaje por refuerzo multimodal para modelos de difusión y omnimodales

AI-Compass guía a la comunidad a través del océano de la tecnología de IA, ofreciendo rutas para principiantes y desarrolladores avanzados. Su objetivo es ayudar a los desarrolladores a comprender sistemáticamente los conceptos centrales, las tecnologías principales y las tendencias de vanguardia de la IA, dominando el proceso desde la teoría hasta la implementación práctica.