dpo

輕鬆微調、評估與部署 Qwen、Gemma 或任何開放權重的 LLM！

MedicalGPT：使用 ChatGPT 訓練管線訓練您自己的醫療 GPT 模型。實現增量預訓練（PT）、有監督微調（SFT）、RLHF、DPO、ORPO、GRPO 等功能。

透過單一 YAML 微調 LLM。層串流訓練可在 4 GB 筆電 GPU 上執行 8B 模型。

Align Anything：使用回饋訓練全模態模型

🚀 一個開源、實作導向的課程，彌合基礎 RL 概念與 LLM 對齊、RLVR 及進階代理系統之間的差距

一個具有 DPO、KTO、PPO、ORPO 及其他人類意識損失函數（HALO）可擴充實作的程式庫。

[ICCV 2025] DeepMesh 官方程式碼：結合強化學習的自迴歸藝術家網格創建

🌾 OAT：一個對研究友善的 LLM 線上對齊框架，包含強化學習、偏好學習等。

簡單且高效的 LLM 微調工具（支援 LLaMA、LLaMA2、LLaMA3、Qwen、Baichuan、GLM、Falcon），大模型高效量化訓練與部署。

關於影片生成強化學習的精選論文列表。

使用 TensorFlow 整理從文字預處理到 Topic Models、BERT、GPT、LLM 等最新模型下游任務的深度學習 NLP 儲存庫。