dpo

Lakukan fine-tuning, evaluasi, dan deploy Qwen, Gemma, atau LLM open weight lainnya dengan mudah!

MedicalGPT: Melatih Model GPT Medis Anda Sendiri dengan Pipeline Pelatihan ChatGPT. Melatih model AI medis berskala besar, mengimplementasikan pra-pelatihan inkremental (PT), fine-tuning tersupervisi (SFT), RLHF, DPO, ORPO, dan GRPO.

Fine-tune LLM dari satu file YAML. Streaming layer melatih model 8B pada GPU laptop 4 GB.

Align Anything: Melatih Model Semua Modalitas dengan Umpan Balik

Kurikulum praktis sumber terbuka yang menjembatani kesenjangan dari konsep dasar RL ke penyelarasan LLM, RLVR, dan sistem agen tingkat lanjut.

Pustaka dengan implementasi yang dapat diperluas dari DPO, KTO, PPO, ORPO, dan fungsi loss yang sadar manusia (HALO) lainnya.

[ICCV 2025] Kode resmi DeepMesh: Pembuatan Artist-mesh Auto-Regressive dengan Reinforcement Learning.

OAT: Framework yang ramah riset untuk penyelarasan daring LLM, mencakup reinforcement learning, preference learning, dan lainnya.

Finetuning LLM yang mudah dan efisien. (Mendukung LLama, LLama2, LLama3, Qwen, Baichuan, GLM, Falcon) Pelatihan dan deployment kuantisasi efisien untuk model bahasa besar.

Daftar kurasi makalah tentang reinforcement learning untuk pembuatan video

Repository NLP Deep Learning yang merangkum tugas downstream dari pra-pemrosesan teks hingga model terbaru seperti Topic Models, BERT, GPT, dan LLM menggunakan TensorFlow.