rlhf

Ajuste fino eficiente e unificado de mais de 100 LLMs e VLMs (ACL 2024)

OpenAssistant é um assistente baseado em chat que entende tarefas, pode interagir com sistemas de terceiros e recuperar informações dinamicamente para isso.

Página oficial do GitHub para o artigo de revisão "A Survey of Large Language Models".

Lançamento oficial da série InternLM (InternLM, InternLM2, InternLM2.5, InternLM3).

Projeto fase 2 de LLMs Chinese LLaMA-2 & Alpaca-2 + modelos de contexto ultralongo de 64K (Chinese LLaMA-2 & Alpaca-2 LLMs com modelos de contexto longo de 64K)

Receitas robustas para alinhar modelos de linguagem com preferências humanas e de IA

OpenClaw-RL: Treine qualquer agente simplesmente conversando

O ambiente de pesquisa de código aberto para pesquisadores de IA treinarem, avaliarem e escalarem modelos perfeitamente, desde hardware local até clusters de GPU.

Implemente um LLM de raciocínio em PyTorch do zero, passo a passo

Argilla é uma ferramenta de colaboração para engenheiros de IA e especialistas de domínio construírem conjuntos de dados de alta qualidade

Construa, avalie e otimize sistemas de IA. Inclui avaliações, RAG, agentes, ajuste fino, geração de dados sintéticos, gerenciamento de conjuntos de dados, MCP e muito mais.

Align Anything: Treinamento de modelos multimodais com feedback

Uma lista curada de recursos sobre aprendizado por reforço com feedback humano (atualizada continuamente).

Um currículo prático de código aberto que preenche a lacuna entre conceitos básicos de RL e alinhamento de LLM, RLVR e sistemas de agentes avançados.

Um médico para seus dados

Distilabel é um framework para dados sintéticos e feedback de IA para engenheiros que precisam de pipelines rápidos, confiáveis e escaláveis baseados em artigos de pesquisa verificados.

Uma biblioteca de escalabilidade eficiente e amigável para aprendizado por reforço com Large Language Models

LeetCode para PyTorch — 65 problemas de entrevista de ML/IA de entrevistas reais no Google, Meta e Anthropic. Inclui notebooks Jupyter, um avaliador automático e um tutor de IA MCP.

Livro didático sobre aprendizado por reforço com feedback humano

Um avaliador automático para modelos de linguagem de seguimento de instruções. Validado por humanos, de alta qualidade, barato e rápido.

Lista Awesome para Aprendizado por Reforço Agêntico (Agentic RL)

[NeurIPS 2023] ImageReward: Aprendendo e avaliando preferências humanas para geração de texto para imagem

Safe RLHF: Alinhamento de valor restrito via Aprendizado por Reforço Seguro a partir de Feedback Humano

WebGLM: Um sistema de resposta a perguntas eficiente aprimorado pela Web (KDD 2023)

Receitas para treinar modelos de recompensa para RLHF.

Segredos do RLHF em Large Language Models Parte I: PPO.

Xtreme1 é uma plataforma de rotulagem e anotação de dados tudo-em-um para treinamento de dados multimodais, com suporte para nuvens de pontos LiDAR 3D, imagens e LLMs.

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

Framework de treinamento de RL multimodal para modelos de difusão e omni

O "AI-Compass" guiará a comunidade na navegação pelo oceano da tecnologia de IA; seja você um iniciante ou um desenvolvedor avançado, encontrará aqui o caminho para as principais direções da IA. O objetivo é ajudar os desenvolvedores a entender sistematicamente os conceitos principais de IA, tecnologias tradicionais, tendências de ponta e dominar todo o processo, da teoria à implementação prática, por meio da prática.