rlhf

Fine-Tuning Efisien Terpadu untuk 100+ LLM & VLM (ACL 2024)

OpenAssistant adalah asisten berbasis chat yang memahami tugas, dapat berinteraksi dengan sistem pihak ketiga, dan mengambil informasi secara dinamis untuk melakukannya.

Halaman GitHub resmi untuk makalah survei "A Survey of Large Language Models"

Rilis resmi seri InternLM (InternLM, InternLM2, InternLM2.5, InternLM3).

Proyek fase kedua model besar LLaMA-2 & Alpaca-2 bahasa Mandarin + model konteks super panjang 64K

Resep tangguh untuk menyelaraskan model bahasa dengan preferensi manusia dan AI.

OpenClaw-RL: Latih agen apa pun hanya dengan berbicara

Lingkungan riset sumber terbuka bagi peneliti AI untuk melatih, mengevaluasi, dan menskalakan model secara mulus dari perangkat keras lokal ke kluster GPU.

Mengimplementasikan penalaran LLM di PyTorch dari awal, langkah demi langkah.

Argilla adalah alat kolaborasi bagi insinyur AI dan pakar domain untuk membangun dataset berkualitas tinggi

Membangun, Mengevaluasi, dan Mengoptimalkan Sistem AI. Mencakup evaluasi, RAG, agen, fine-tuning, pembuatan data sintetis, manajemen dataset, MCP, dan lainnya.

Align Anything: Melatih Model Semua Modalitas dengan Umpan Balik

Daftar kurasi sumber daya reinforcement learning with human feedback (diperbarui secara berkala).

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

Dokter untuk data Anda

Distilabel adalah framework untuk data sintetis dan umpan balik AI bagi insinyur yang membutuhkan pipeline yang cepat, andal, dan dapat diskalakan berdasarkan makalah penelitian terverifikasi.

Pustaka penskalaan yang efisien dan ramah pengguna untuk Reinforcement Learning dengan Large Language Models

LeetCode untuk PyTorch — 65 masalah wawancara ML/AI dari wawancara nyata di Google, Meta, Anthropic. Jupyter notebook, penilai otomatis, dan tutor AI MCP.

Buku teks tentang reinforcement learning from human feedback

Evaluator otomatis untuk model bahasa yang mengikuti instruksi. Tervalidasi oleh manusia, berkualitas tinggi, murah, dan cepat.

Daftar Awesome untuk Agentic RL

[NeurIPS 2023] ImageReward: Mempelajari dan Mengevaluasi Preferensi Manusia untuk Pembuatan Teks-ke-Gambar

Safe RLHF: Penyelarasan Nilai Terbatas melalui Safe Reinforcement Learning from Human Feedback

WebGLM: Sistem Tanya Jawab yang Ditingkatkan Web yang Efisien (KDD 2023)

Resep untuk melatih model reward untuk RLHF.

Rahasia RLHF pada Large Language Models Bagian I: PPO

Xtreme1 adalah platform pelabelan dan anotasi data serbaguna untuk pelatihan data multimodal serta mendukung point cloud 3D LiDAR, gambar, dan LLM.

[NeurIPS 2024] SimPO: Simple Preference Optimization with a Reference-Free Reward

Kerangka kerja pelatihan RL multimodal untuk model diffusion & omni

“AI-Compass” akan memandu komunitas dalam menavigasi lautan teknologi AI. Baik Anda pemula maupun pengembang tingkat lanjut, Anda dapat menemukan jalur ke berbagai arah AI di sini. Bertujuan untuk membantu pengembang memahami konsep inti AI, teknologi utama, dan tren terkini secara sistematis, serta menguasai seluruh proses dari teori hingga implementasi melalui praktik.