trlx

分布式微调大型语言模型的强化学习框架，支持奖励函数与高效并行

trlX Hugging Face NVIDIA NeMo PPO ILQL Github 开源项目

一个专注于强化学习微调大型语言模型的分布式训练框架。支持使用奖励函数或已标注数据集进行训练，兼容🤗Hugging Face和NVIDIA NeMo模型，可扩展到20B参数以上。实现了PPO和ILQL等多种RL算法，提供详细文档和丰富示例，支持分布式训练和超参数搜索。适用于各种应用场景，通过高效并行技术提升训练效率。

Github

Huggingface

介绍相关项目

trl - 用于大型语言模型微调和对齐的开源工具库

GithubTRLTransformer大语言模型开源项目强化学习微调

TRL是一个开源的全栈工具库，专用于大型语言模型的微调和对齐。它支持监督式微调、奖励建模和近端策略优化等方法，适用于多种模型架构。该库基于Transformers构建，提供灵活的训练器和自动模型类，并集成Accelerate、PEFT等工具实现高效扩展。TRL还提供命令行界面，方便用户进行模型微调和交互。

llama-trl - 使用 PPO 和 LoRA 微调 LLaMA

GithubLLaMA-TRLLoRAPPOReward Model TrainingSupervised Fine-tuning开源项目

本项目LLaMA-TRL通过PPO和LoRA技术进行大规模语言模型的微调，采用TRL（变压器强化学习）和PEFT（参数高效微调）方法。本文详细介绍了从安装依赖到具体实现的步骤，包括监督微调、奖励模型训练和PPO微调，助力开发者显著提升模型性能和任务适应能力。

OpenRLHF - 高性能强化学习框架助力大规模语言模型优化

GithubOpenRLHFRLHF框架分布式训练开源项目强化学习模型微调

OpenRLHF是一款基于Ray、DeepSpeed和Hugging Face Transformers构建的高性能强化学习框架。该框架简单易用，兼容Hugging Face模型和数据集，性能优于优化后的DeepSpeedChat。它支持分布式RLHF，能够在多GPU环境下进行70B+参数模型的全规模微调。OpenRLHF集成了多项PPO实现技巧以提升训练稳定性，同时支持vLLM生成加速和多奖励模型等先进特性，为大规模语言模型优化提供了强大支持。

LLM-RLHF-Tuning - RLHF三阶段训练支持指令微调、奖励模型和多种训练方式

DPOGithubLLaMALLaMA2PPORLHF开源项目

本项目实现了RLHF的三阶段训练，包括指令微调、奖励模型训练和PPO算法训练。支持LLaMA和LLaMA2模型，并提供多种分布式加速训练方法。项目附有详细的实现文档，并对比了其他开源框架的功能，是RLHF训练的宝贵资源。

tmrl - 实时机器人控制与自动驾驶AI的分布式强化学习框架

GithubGymnasium环境TMRLTrackMania 2020开源项目强化学习自动驾驶

TMRL是一个面向机器人学习的分布式强化学习框架，专注于实时应用中的深度强化学习AI训练。该框架以TrackMania 2020游戏为例，展示了基于原始截图的自动驾驶控制。TMRL具备安全远程训练、灵活定制和实时环境兼容性等特点，采用单服务器多客户端架构，可在多个节点收集样本并在高性能集群上进行训练。

DRLX - 强化学习框架优化扩散模型

DRLXGithubStable Diffusion分布式训练开源项目强化学习扩散模型

DRLX是一个基于强化学习的扩散模型分布式训练库。它与Hugging Face的Diffusers库集成，支持多GPU和多节点训练。DRLX兼容Stable Diffusion等模型，实现DDPO算法训练。该库采用即插即用设计，训练模型可直接用于原始管道。DRLX集成了美学评分奖励模型和PickAPic提示词生成功能，为扩散模型研究提供了全面的工具集。

llm-finetuning - Modal和axolotl驱动的大语言模型高效微调框架

DeepSpeedGithubLLM微调LoRAModalaxolotl开源项目

这个开源项目整合了Modal和axolotl,为大语言模型微调提供了一个高效框架。它采用Deepspeed ZeRO、LoRA适配器和Flash Attention等先进技术,实现了高性能的模型训练。该框架支持云端部署,简化了资源管理流程,并可灵活适配不同模型和数据集。项目还提供了全面的配置说明和使用指南,方便开发者快速上手和定制化应用。

xllm - 便捷微调大语言模型，集成最新优化技术

GithubX—LLM大语言模型开源项目模型训练训练优化集成开发

X—LLM是一个便捷的微调大语言模型工具，集成了诸如QLoRA、DeepSpeed、GPTQ、Flash Attention 2和FSDP等最新优化方法，显著提升训练效率。用户可以专注于模型和数据的优化，而不需要繁琐的代码编写。该工具支持多种Transformer模型，并可无缝对接HuggingFace Hub，适用于生产环境和快速原型设计，有助于用户更好地掌控模型训练进度并降低开销。

xtuner - 全面的模型微调解决方案，支持LLM和VLM的高效训练

DeepSpeedGithubInternLMLlama2QLoRAXTuner开源项目

XTuner是一款高效灵活的大模型微调工具包，支持LLM和VLM在多种GPU上的预训练和微调。它能够在单个8GB GPU上微调7B模型，并支持超过70B模型的多节点微调。XTuner兼容DeepSpeed，支持多种优化技术，并涵盖多种微调方法如QLoRA和LoRA。该工具包提供连续预训练、指令微调和代理微调等功能，输出模型可以无缝集成到部署和评估工具中，适应多种应用场景。

Llama-3.1-Nemotron-70B-Instruct-bnb-4bit - 基于Unsloth技术的大语言模型高性能微调框架

GithubHuggingfaceLlama 3.1NVIDIA代码优化开源项目模型模型微调深度学习

Unsloth优化的Llama 3.1 Nemotron 70B指令模型，在保持模型性能的同时实现内存占用降低70%、训练速度提升2-5倍的优化效果。该框架支持Llama 3.2、Mistral、Phi-3.5等主流大语言模型的微调，提供适配Google Colab的入门级notebooks，支持GGUF、vLLM等多种导出格式。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号