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

RLHF PPO DPO LLaMA LLaMA2 Github 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。

Github

论文

介绍相关项目

LMFlow - 开源大型机器学习模型微调工具箱

GithubLMFlowfinetuning优化开源项目性能模型

LMFlow为大型机器学习模型微调提供一个可扩展、便捷且高效的开源工具箱，支持多种优化功能，如自定义优化器训练、LISA算法等，已广泛应用于机器学习领域。

llms_tool - 多功能大语言模型训练测试工具包

GithubHuggingFaceRLHF分布式训练大语言模型开源项目预训练

llms_tool是一个基于HuggingFace的大语言模型工具包，支持多种模型的训练、测试和部署。它提供预训练、指令微调、奖励模型训练和RLHF等功能，支持全参数和低参数量训练。工具包集成WebUI和终端预测界面，以及DeepSpeed分布式训练。涵盖ChatGLM、LLaMA、Bloom等主流模型，提供多种训练方法和量化选项。

AgentTuning - 提升大语言模型的多任务代理能力

AI代理AgentTuningGithubLLM开源项目机器学习自然语言处理

AgentTuning项目通过多种代理任务的交互数据微调大语言模型,增强其通用代理能力。实验表明,经过AgentTuning的模型在新的代理任务中展现出良好的泛化能力,同时保持了强大的语言处理能力。项目开源的AgentInstruct数据集和AgentLM模型为相关研究提供了重要参考。

LLMtuner - 使用 LoRA、QLoRA 等最佳实践对 Llama、Whisper 和其他 LLM 进行微调

GithubLLMTunerLLM微调LlamaLoRAWhisper开源项目

LLMTuner 提供类 scikit-learn 接口，让用户便捷微调如 Llama、Whisper 等大型语言模型。通过 LoRA 和 QLoRA 等技术实现高效微调，内置推理功能和一键启动的交互式 UI，简化模型展示和共享。此外，LLMTuner 还支持未来在 AWS 和 GCP 等平台上的部署。欢迎加入 PromptsLab 社区，探索和讨论最新的开源模型调优技术。

awesome-RLHF - 人类反馈下的强化学习文献合集

GithubRLHFReinforcement Learning人类反馈大型语言模型奖励模型开源项目

此页面汇集了关于强化学习与人类反馈（RLHF）的最新研究论文，涵盖从基础概念到高级技术，包括大语言模型、视频游戏、机器人和个性化推荐系统等应用。页面将持续更新，跟踪此领域的前沿进展。

safe-rlhf - 北京大学开发的AI安全增强框架

BeaverGithub人工智能安全RLHF开源项目数据集模型训练

Safe RLHF是一个由北京大学PKU-Alignment团队开发的开源框架，整合了SFT、RLHF及Safe RLHF训练方法。它支持多种预训练模型，提供大量人工标注数据，能够训练奖励与成本模型，并采用多层次的安全性校验指标。最新发布的版本提供详尽的复现代码和数据集，旨在增强AI模型的安全性和实用性。

self-llm - 开源大模型部署与应用指南

AutoDLGithub开源大模型开源项目微调方法环境配置部署使用

探索开源大模型如LLaMA、ChatGLM的全流程部署与微调指南，涵盖环境配置至应用实践，专为国内初学者设计，通过AutoDL平台简化操作流程，助力大模型技术的普及和应用。

ArmoRM-Llama3-8B-v0.1 - 多目标奖励模型助力AI决策优化

ArmoRMGithubHuggingfaceLlama3Mixture-of-Experts多目标奖励奖励建模开源项目模型

该项目介绍了一种名为ArmoRM-Llama3-8B-v0.1的多目标奖励模型，通过专家混合（MoE）方法提升AI在多任务环境中的决策准确性。ArmoRM模型在性能榜中表现突出，特别是在聊天、复杂推理和安全性领域的评分名列前茅。模型通过对大量数据进行细致训练，旨在减少冗长偏差，并利用奖励转换矩阵优化结果。项目为AI和机器学习研究者提供了易用的代码示例和操作流程，展示如何结合多目标系数实现线性偏好评分，提供了一种高效、灵活的方法以调整语言模型的响应特征和优先级。

HandyRL - 高效实用的分布式强化学习框架

GithubHandyRLPyTorch分布式训练开源项目强化学习离线策略修正

HandyRL是一个基于Python和PyTorch的分布式强化学习框架，已在Kaggle竞赛中取得优异成绩。它采用离线策略修正的策略梯度算法和学习者-工作者架构，支持自定义环境和大规模训练。HandyRL的高并行能力和实用性使其在竞争性游戏AI开发中表现出色，能够快速训练出强大的AI模型。

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。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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