rlhf

Tinh chỉnh hiệu quả thống nhất cho hơn 100 LLM & VLM (ACL 2024)

OpenAssistant là trợ lý ảo dựa trên trò chuyện, hiểu các tác vụ, có thể tương tác với hệ thống bên thứ ba và truy xuất thông tin động để thực hiện.

Trang GitHub chính thức cho bài báo khảo sát "A Survey of Large Language Models".

Bản phát hành chính thức của dòng InternLM (InternLM, InternLM2, InternLM2.5, InternLM3).

Dự án mô hình lớn Chinese LLaMA-2 & Alpaca-2 giai đoạn 2 + mô hình ngữ cảnh siêu dài 64K

Các công thức mạnh mẽ để căn chỉnh các mô hình ngôn ngữ với sở thích của con người và AI

OpenClaw-RL: Huấn luyện bất kỳ tác nhân nào chỉ bằng cách trò chuyện.

Môi trường nghiên cứu mã nguồn mở dành cho các nhà nghiên cứu AI để đào tạo, đánh giá và mở rộng quy mô mô hình một cách liền mạch từ phần cứng cục bộ đến cụm GPU.

Triển khai một LLM suy luận bằng PyTorch từ đầu, từng bước một.

Argilla là công cụ cộng tác dành cho các kỹ sư AI và chuyên gia lĩnh vực để xây dựng tập dữ liệu chất lượng cao

Xây dựng, Đánh giá và Tối ưu hóa các Hệ thống AI. Bao gồm đánh giá, RAG, tác nhân, fine-tuning, tạo dữ liệu tổng hợp, quản lý tập dữ liệu, MCP và nhiều tính năng khác.

Align Anything: Huấn luyện mô hình đa phương thức với phản hồi

Danh sách tài nguyên học tăng cường có phản hồi từ con người được tuyển chọn (cập nhật liên tục)

🚀 Chương trình giảng dạy thực hành mã nguồn mở thu hẹp khoảng cách từ các khái niệm RL cơ bản đến căn chỉnh LLM, RLVR và các hệ thống Agentic nâng cao.

Bác sĩ cho dữ liệu của bạn

Distilabel là một framework dành cho dữ liệu tổng hợp và phản hồi AI dành cho các kỹ sư cần các đường ống (pipeline) nhanh, đáng tin cậy và có khả năng mở rộng dựa trên các bài báo nghiên cứu đã được kiểm chứng.

Thư viện mở rộng hiệu quả và thân thiện với người dùng cho Học tăng cường với các Large Language Model

LeetCode cho PyTorch — 65 bài toán phỏng vấn ML/AI từ các buổi phỏng vấn thực tế tại Google, Meta, Anthropic. Bao gồm Jupyter notebook, hệ thống tự động chấm điểm và gia sư AI MCP.

Sách giáo khoa về học tăng cường từ phản hồi của con người (RLHF)

Trình đánh giá tự động cho các mô hình ngôn ngữ tuân theo hướng dẫn. Được xác thực bởi con người, chất lượng cao, chi phí rẻ và nhanh chóng.

Danh sách tổng hợp tuyệt vời cho Agentic RL

[NeurIPS 2023] ImageReward: Học và Đánh giá Sở thích của Con người đối với Tạo ảnh từ văn bản

Safe RLHF: Căn chỉnh giá trị có ràng buộc thông qua Học tăng cường an toàn từ phản hồi của con người

WebGLM: Hệ thống trả lời câu hỏi được tăng cường web hiệu quả (KDD 2023)

Công thức huấn luyện mô hình phần thưởng (reward model) cho RLHF.

Bí mật của RLHF trong Large Language Models Phần I: PPO

Xtreme1 là nền tảng gán nhãn và chú thích dữ liệu tất cả trong một dành cho huấn luyện dữ liệu đa phương thức, hỗ trợ đám mây điểm 3D LiDAR, hình ảnh và LLM.

[NeurIPS 2024] SimPO: Tối ưu hóa sở thích đơn giản với phần thưởng không cần tham chiếu

Khung huấn luyện RL đa phương thức cho các mô hình diffusion và omni

“AI-Compass” sẽ định hướng cho cộng đồng khi điều hướng trong đại dương công nghệ AI, dù bạn là người mới bắt đầu hay nhà phát triển nâng cao, bạn đều có thể tìm thấy con đường dẫn đến các hướng đi lớn của AI tại đây. Nhằm giúp nhà phát triển hiểu một cách có hệ thống các khái niệm cốt lõi, công nghệ chủ đạo, xu hướng biên giới của AI, và nắm vững toàn bộ quá trình từ lý thuyết đến thực tiễn thông qua thực hành.