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

DeepRL - PyTorch 中深度强化学习算法的模块化实现

A2CDQNDeepRLGithubPyTorch开源项目深度强化学习

DeepRL项目使用PyTorch实现了一系列流行的深度强化学习算法，提供模块化框架，适用于从简单任务到高难度游戏。支持的算法包括DQN、C51、QR-DQN、A2C、DDPG、PPO等，并具备异步数据生成和传输功能。项目依赖PyTorch v1.5.1，具体依赖请参考Dockerfile和requirements.txt。此外，项目提供代码示例和性能曲线图，适合相关研究参考和使用。

Grounding_LLMs_with_online_RL - GLAM 强化学习优化大型语言模型的新方法

BabyAI-TextGLAMGithubLamorel大语言模型开源项目强化学习

这个开源项目开发了GLAM方法，通过在线强化学习优化大型语言模型在BabyAI-Text环境中的性能。项目提供了BabyAI-Text环境和实验代码，支持智能体训练和评估。研究者使用Lamorel库实现了PPO、DRRN等多种智能体。代码库包含详细的安装说明、配置文件和运行指南，便于其他研究人员复现和拓展相关研究。

Trace - 创新AutoDiff工具助力AI系统端到端训练

AI系统GithubPyTorchTrace优化开源项目自动微分

Trace是微软开发的创新AutoDiff工具，旨在实现AI系统的端到端训练。该工具通过捕获和传播执行轨迹，扩展了反向传播算法的应用范围。Trace作为Python库，支持直接编写代码并优化特定部分，类似于PyTorch的使用方式。它可处理多种反馈类型，如数值奖励、损失函数、自然语言文本和编译器错误。Trace为AI系统优化提供了灵活且强大的解决方案，适用于各种复杂的AI训练场景。

dbrx - 大规模开源语言模型DBRX，支持灵活定制

DBRXDatabricksGithubLLM FoundryMixture-of-Experts开源模型开源项目

DBRX是由Databricks训练的开源大型语言模型，采用开放许可。该模型包含基本代码和示例，用于推理操作，并提供相关资源。DBRX是一个Mixture-of-Experts模型，拥有1320亿总参数和12T文本预训练数据，支持TensorRT-LLM和vLLM等多种推理库。DBRX提供基础版和指令微调版，且支持在Databricks平台上的多种集成应用。

triton - 开源高效深度学习原语编程语言与编译器

GPU编程GithubLLVMTriton开源项目深度学习编译器

Triton是一种开源编程语言和编译器，专为编写高效的自定义深度学习原语而设计。它提供了一个兼具高生产力和灵活性的开发环境，性能优于CUDA，灵活性超过其他领域特定语言。Triton支持NVIDIA和AMD GPU平台，提供完善的文档和教程。用户可通过pip轻松安装，也支持源代码构建。该项目持续更新，最新版本进行了大量性能优化和问题修复。

motif - 利用大语言模型偏好生成奖励函数的强化学习框架

AIGithubMotifNetHack大语言模型开源项目强化学习

Motif是一个新型强化学习框架,通过大型语言模型的偏好生成奖励函数。它分为数据集注释、奖励函数训练和强化学习三个阶段。在NetHack游戏中,Motif展现出优秀性能,生成符合人类直觉的行为,并可通过提示词灵活调整。这种方法为开发智能AI代理提供了新的研究方向,具有良好的扩展潜力。

Llama-3-8b-rm-mixture - 基于Llama3-8b的奖励模型训练与优化

GithubHuggingfaceLlama3-8bOpenRLHF奖励模型开源项目数据集模型训练

Llama-3-8b奖励模型利用OpenRLHF进行训练，结合OpenLLMAI的数据集，旨在提高模型性能。该项目基于Llama-3-8b-sft-mixture模型，使用余弦调度器，学习率为9e-6，预热比例0.03，批量大小256，并执行一次学习迭代。目标是通过优化和数据集策略，提升模型的奖励决策能力，为深度学习与AI开发者提供精确的工具。

Meta-Llama-3.1-70B-bnb-4bit - 高效智能模型微调框架实现训练提速与内存优化

GemmaGithubHuggingfaceLlama-3开源模型开源项目机器学习模型模型微调

Unsloth是Meta Llama 3.1模型的优化框架，集成了Gemma 2、Mistral等主流模型支持。框架在Google Colab环境下运行，具备模型训练速度提升2-5倍及内存占用降低70%的特点。支持GGUF、vLLM等格式导出，并提供新手教程指导开发者完成模型微调与部署。

doremi - 创新算法提升语言模型训练效率

DoReMiGithub代理模型分布鲁棒优化开源项目数据混合优化语言模型

DoReMi是一种优化语言模型数据集混合的算法。它通过分布鲁棒优化调整数据混合，适应不同目标分布。算法训练小型代理模型动态调整各领域数据权重，并利用预训练参考模型避免对高熵领域过于悲观。DoReMi显著提高大型模型训练效率，如280M代理模型可使8B参数模型达到基线性能的速度提高2.6倍。项目提供PyTorch实现，包含快速可恢复的数据加载器和下游评估工具。

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