标签：RLHF
技术标签，共 18 个项目。
一套统一接口搞定 100+ 大语言模型和多模态模型的微调，支持 LoRA 等高效训练方式，省去为每个模型单独写训练脚本的麻烦。
中文 LLaMA-2 与 Alpaca-2 大模型二期项目，提供支持 64K 超长上下文的中文预训练和指令微调模型，可直接用于长文本理解与对话。
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。
面向 AI 研究者的开源实验环境，可在本地硬件到 GPU 集群之间无缝训练、评估和扩展大模型与扩散模型。
面向 AI 工程师和领域专家的数据标注协作平台，支持主动学习和人机协同，帮助团队高效构建高质量训练数据集。
一个用人类反馈对齐任意模态大模型的开源训练框架，支持文本、视觉语言等多模态模型的 DPO 和 RLHF 微调。
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。
ImageReward 是 NeurIPS 2023 提出的文本生图人类偏好奖励模型，用人类偏好数据训练打分器，评估生成图像质量并支持 RLHF 微调扩散模型。
基于安全强化学习的人类反馈对齐框架，通过约束优化让大模型在有用性和安全性之间取得平衡，附带 Beaver 系列模型与数据集。
面向扩散模型和全模态模型的多模态强化学习训练框架，支持 GRPO、流匹配和 vLLM 推理，用来做图像生成与多模态模型的 RLHF 训练。
面向开发者的 AI 学习路线图，系统梳理大模型训练、推理、强化学习与 Agent 等核心方向的概念、主流技术和前沿趋势，帮助从理论走到落地。
Halo 是 White Circle 开源的大模型与多模态模型训练框架，支持分布式训练、LoRA 微调、MoE 和异步强化学习，方便搭建和扩展训练流程。
面向 LLM 与 Agent 场景的开源强化学习训练库，集成 GRPO、PPO、熵方法等算法，支持编码、GUI、多智能体等任务。
面向 AI 秋招的中英双语面试速查表，覆盖机器学习、大模型、扩散模型与智能体，可生成单文件 HTML 随时翻阅，另附学术主页生成器。
MindSpore 官方的大模型实战课程，带你从 BERT、GPT 一路动手实现到 ChatGLM、LLaMA2，适合系统学习大模型原理与训练推理。
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。
《大型语言模型快速入门指南》配套代码仓库，用 Jupyter Notebook 演示 LLM 使用、提示工程、智能体、模型蒸馏等实操，适合上手大模型开发。
用 PPO 强化学习和 LoRA 低秩适配微调 LLaMA 模型，做 RLHF 对齐训练，显存占用低，适合在单卡上跑通大模型偏好优化流程。