基于 Ray 的高性能 RLHF 训练框架，支持 PPO、DAPO、REINFORCE++ 等算法与 vLLM 推理加速，可扩展地完成大模型和视觉语言模型的对齐后训练。

在 PaLM 架构上实现 RLHF 人类反馈强化学习，复现 ChatGPT 式训练流程，适合研究大模型对齐与强化学习微调。

面向大模型后训练的强化学习框架，用混合编程模型把 RLHF 训练流程编排得灵活又高效，方便扩展和跑大规模实验。

用强化学习训练 Transformer 语言模型的全流程库，覆盖 SFT、奖励建模到 PPO/DPO 等 RLHF 算法，省去自己拼训练管线。

基于 PyTorch 的深度学习优化库，通过 ZeRO、模型并行和混合专家等技术，让千亿到万亿参数模型的分布式训练与推理更省显存、更高效。

基于 Llama3 的中文后训练模型与配套工具，提供中文微调权重、训练脚本和部署方案，让开发者能直接跑起中文对话模型。

PyTorch 官方的生成式 AI 模型训练平台，提供原生分布式训练组件和可复用的并行策略，帮你在多卡集群上高效训练大模型。

用 ChatGPT 同款流程训练医疗大模型，覆盖增量预训练、有监督微调、RLHF、DPO、ORPO、GRPO 全链路，开箱即可复现。

提供一套稳健的训练配方，用人类和 AI 偏好数据对齐语言模型，涵盖 SFT、DPO 等流程，帮你把基座模型调成听话好用的助手。

统一视频生成推理与后训练框架，支持扩散模型加速、蒸馏和微调，帮你在有限算力下更快跑出视频。

开源文档解析模型，用强化自迭代（RSI）循环做后训练，在准确率和速度上达到 SOTA，适合给 LLM 和 Agent 做 OCR 与文档理解。

用 Triton 重写 LLM 训练中的 RMSNorm、RoPE、交叉熵等关键算子，减少显存占用并提升微调吞吐，兼容 Llama、Mistral、Gemma、Phi 等主流模型。

用强化学习（GRPO）训练视觉语言模型做视觉理解，把 DeepSeek-R1 那套推理强化思路搬到多模态场景，适合研究 VLM 推理能力。

围绕预训练权重做黑盒优化与神经进化，用 LoRA 集成多个任务专家，提升大模型后训练与推理表现。

用 PyTorch 从零手写实现 65 道大厂 ML/AI 面试真题，配 Jupyter Notebook、自动评分器和 MCP AI 导师，适合系统刷题备战机器学习面试。

面向机器人操作的自进化智能体训练方案，通过后训练和递归自我改进，在成功率提升14%的同时把 token 消耗降低65%。

一站式 Web Agent 后训练框架，点几下就能搭建并评测基于大模型的网页智能体。

用强化学习对扩散模型做后训练，支持文生图、文生视频和图生视频，主打高效、稳定、可扩展。

把在线策略自蒸馏引入扩散模型后训练，用强化学习思路提升文生图和图像编辑的生成质量，省去额外奖励模型。

NVIDIA Alpamayo 的开发者配方库，提供自动驾驶与机器人模型的微调、强化学习后训练、量化和部署现成方案，省去从零搭建流程的麻烦。

一个能自我进化的照片编辑智能体，通过编辑器和评估器协同优化，让多模态大模型学会像修图师一样自动调色和修图。

在单张消费级显卡上跑 PPO、GRPO 和同策略蒸馏的轻量 RL 训练框架，让普通玩家也能做 LLM 对齐后训练。