Gen-Verse/ReasonFlux

[NeurIPS 2025 Spotlight] LLM 事後学習スイート。ReasonFlux、ReasonFlux-PRM、ReasonFlux-Coder を搭載。

↗ GitHub で開く

スター

542

フォーク

37

言語

Python

ライセンス

—

最終プッシュ

11 か月前

Python chain-of-thought reinforcement-learning code-generation post-training deepseek-r1 clawdbot-skill gemini-pro llm-rlhf o3-mini process-reward-model sft-data

関連 Intel はまだありません

このリポジトリは radar が追跡するソースにまだ登場していません。コレクターはスケジュールで動いています——このリポジトリがカバーされたらまた見てください。