dpo

轻松微调、评估与部署 Qwen、Gemma 或任何开放权重的 LLM！

MedicalGPT：使用 ChatGPT 训练管线训练您自己的医疗 GPT 模型。实现增量预训练（PT）、有监督微调（SFT）、RLHF、DPO、ORPO、GRPO 等功能。

通过单个 YAML 微调 LLM。层流训练可在 4 GB 笔记本 GPU 上运行 8B 模型。

Align Anything：使用反馈训练全模态模型

🚀 一个开源、实作导向的课程，弥合基础 RL 概念与 LLM 对齐、RLVR 及进阶代理系统之间的差距

一个具有 DPO、KTO、PPO、ORPO 及其他人类意识损失函数（HALO）可扩展实现的库。

[ICCV 2025] DeepMesh 官方代码：结合强化学习的自回归艺术家网格创建

🌾 OAT：一个对研究友好的 LLM 在线对齐框架，包含强化学习、偏好学习等。

简单且高效的 LLM 微调工具（支持 LLaMA、LLaMA2、LLaMA3、Qwen、Baichuan、GLM、Falcon），大模型高效量化训练与部署。

关于视频生成强化学习的精选论文列表。

使用 TensorFlow 整理从文本预处理到 Topic Models、BERT、GPT、LLM 等最新模型下游任务的深度学习 NLP 存储库。