rlhf

100+ LLMs और VLMs की यूनिफाइड एफिशिएंट फाइन-ट्यूनिंग (ACL 2024)

OpenAssistant एक चैट-आधारित असिस्टेंट है जो कार्यों को समझता है, थर्ड-पार्टी सिस्टम के साथ इंटरैक्ट कर सकता है, और ऐसा करने के लिए गतिशील रूप से जानकारी पुनः प्राप्त कर सकता है।

सर्वेक्षण पत्र "A Survey of Large Language Models" के लिए आधिकारिक GitHub पेज।

InternLM श्रृंखला (InternLM, InternLM2, InternLM2.5, InternLM3) का आधिकारिक रिलीज़।

चाइनीज LLaMA-2 और Alpaca-2 LLM दूसरा चरण प्रोजेक्ट + 64K लॉन्ग कॉन्टेक्स्ट मॉडल (Chinese LLaMA-2 & Alpaca-2 LLMs with 64K long context models)

मानव और AI प्राथमिकताओं के साथ language models को संरेखित करने के लिए मजबूत रेसिपी

OpenClaw-RL: बस बात करके किसी भी एजेंट को प्रशिक्षित करें

AI शोधकर्ताओं के लिए स्थानीय हार्डवेयर से GPU क्लस्टर तक मॉडल को सहजता से प्रशिक्षित करने, मूल्यांकन करने और स्केल करने के लिए ओपन सोर्स अनुसंधान वातावरण।

PyTorch में शुरुआत से, चरण-दर-चरण एक रीज़निंग LLM लागू करें।

Argilla उच्च गुणवत्ता वाले डेटासेट बनाने के लिए AI इंजीनियरों और डोमेन विशेषज्ञों के लिए एक सहयोग टूल है

AI सिस्टम बनाएं, मूल्यांकन करें और अनुकूलित करें। इसमें मूल्यांकन, RAG, एजेंट, फाइन-ट्यूनिंग, सिंथेटिक डेटा जनरेशन, डेटासेट प्रबंधन, MCP और बहुत कुछ शामिल है।

Align Anything: फीडबैक के साथ ऑल-मोडैलिटी मॉडल को प्रशिक्षित करना

ह्यूमन फीडबैक के साथ रीइंफोर्समेंट लर्निंग संसाधनों की एक क्यूरेटेड सूची (लगातार अपडेट की जाती है)

🚀 बुनियादी RL अवधारणाओं से LLM संरेखण, RLVR, और उन्नत एजेंटिक प्रणालियों के बीच की खाई को पाटने वाला एक ओपन-सोर्स, व्यावहारिक पाठ्यक्रम।

आपके डेटा के लिए एक डॉक्टर

Distilabel उन इंजीनियरों के लिए सिंथेटिक डेटा और AI फीडबैक के लिए एक फ्रेमवर्क है जिन्हें सत्यापित शोध पत्रों के आधार पर तेज़, विश्वसनीय और स्केलेबल पाइपलाइन की आवश्यकता होती है।

लार्ज लैंग्वेज मॉडल के साथ रीइंफोर्समेंट लर्निंग के लिए एक कुशल और उपयोगकर्ता के अनुकूल स्केलिंग लाइब्रेरी

PyTorch के लिए LeetCode — Google, Meta, Anthropic के वास्तविक साक्षात्कारों से 65 ML/AI साक्षात्कार समस्याएँ। Jupyter नोटबुक, एक ऑटो-ग्रेडर, और एक MCP AI ट्यूटर।

मानव प्रतिक्रिया से सुदृढीकरण सीखने (RLHF) पर पाठ्यपुस्तक

निर्देश-पालन करने वाले भाषा मॉडल के लिए एक स्वचालित मूल्यांकनकर्ता। मानव-सत्यापित, उच्च-गुणवत्ता, सस्ती और तेज़।

Agentic RL के लिए ऑसम लिस्ट

[NeurIPS 2023] ImageReward: टेक्स्ट-टू-इमेज जनरेशन के लिए मानवीय प्राथमिकताओं को सीखना और मूल्यांकन करना

Safe RLHF: Safe Reinforcement Learning from Human Feedback के माध्यम से प्रतिबंधित वैल्यू एलाइनमेंट

WebGLM: एक कुशल वेब-वर्धित प्रश्न उत्तर प्रणाली (KDD 2023)

RLHF के लिए रिवार्ड मॉडल को प्रशिक्षित करने की विधियाँ।

लार्ज लैंग्वेज मॉडल में RLHF के रहस्य भाग I: PPO

Xtreme1 मल्टीमॉडल डेटा ट्रेनिंग के लिए एक ऑल-इन-वन डेटा लेबलिंग और एनोटेशन प्लेटफॉर्म है और यह 3D LiDAR पॉइंट क्लाउड, इमेज और LLM को सपोर्ट करता है।

डिफ्यूजन और ओम्नी मॉडल के लिए मल्टीमॉडल RL प्रशिक्षण फ्रेमवर्क

[NeurIPS 2024] SimPO: एक संदर्भ-मुक्त रिवार्ड के साथ सरल प्राथमिकता अनुकूलन।

“AI-Compass” समुदाय को AI तकनीक के महासागर में नेविगेट करने के लिए मार्गदर्शन प्रदान करेगा, चाहे आप शुरुआती हों या उन्नत डेवलपर, आप यहाँ AI के सभी क्षेत्रों के लिए मार्ग पा सकते हैं। इसका उद्देश्य डेवलपर्स को AI की मुख्य अवधारणाओं, मुख्यधारा की तकनीकों और अत्याधुनिक रुझानों को व्यवस्थित रूप से समझने में मदद करना है, और अभ्यास के माध्यम से सिद्धांत से कार्यान्वयन तक की प्रक्रिया में महारत हासिल करना है।