mst272 の追跡中のオープンソースリポジトリを、スター数順に表示します。
軽量なLLMポストトレーニングフレームワーク。SFT、RLVR、On-Policy KD、Guide KD、および混合トレーニングをサポート。シングル/マルチターンのGuide蒸留、マルチ教師蒸留、報酬混合トレーニング、自動データ分割を実現👩🎓👨🎓
