self-rewarding-lm-pytorch

自我奖励语言模型训练框架的开源实现

Self-Rewarding Language Model SPIN AI 深度学习自然语言处理 Github 开源项目

self-rewarding-lm-pytorch是一个开源项目，实现了MetaAI提出的自我奖励语言模型训练框架。该项目包含SPIN算法实现，提供灵活的微调配置选项，支持自定义奖励提示、任意顺序的微调策略和批量采样。这个工具能帮助研究人员探索和改进语言模型的自我学习能力。

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。

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

GithubHugging FaceILQLNVIDIA NeMoPPOtrlX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。

CALM-pytorch - 组合式增强大型语言模型框架

CALMGithubLLM人工智能开源项目深度学习神经网络

CALM-pytorch是基于Google Deepmind研究的开源PyTorch实现，旨在通过组合多个专业LLM来增强大型语言模型的能力。该框架支持集成任意数量的增强型模型，提供灵活的连接配置和便捷的训练工具。CALM-pytorch可与多种Transformer架构兼容，包括视觉Transformer，为研究人员和开发者提供了一个强大的平台来探索和扩展LLM的潜力。不仅支持文本处理，还能整合视觉和音频模型，为多模态AI应用开发提供了强大支持。

Llama-3-Instruct-8B-SPPO-Iter3 - 改进文本生成的创新模型及其在多任务中的性能评估

Apache-2.0GithubHuggingfaceLlama-3-Instruct-8B-SPPO-Iter3开源LLM排行榜开源项目文本生成模型自我游戏偏好优化

Llama-3-Instruct-8B-SPPO-Iter3模型采用自我对弈偏好优化技术进行第三次迭代微调，具备强大的文本生成能力。模型通过IFEval、BBH、MATH、GPQA、MuSR等多个数据集进行多任务性能评估，其中IFEval (0-Shot)的严格准确率为68.28。该模型基于meta-llama/Meta-Llama-3-8B-Instruct，使用openbmb/UltraFeedback数据集训练，拥有8B参数，专注于英文文本生成，为语言模型的优化提供了全新视角和实用的性能测试结果。

dspy - 自优化语言模型程序框架

AI框架DSPyGithub开源项目提示工程程序优化语言模型

DSPy是一个语言模型编程框架，通过分离程序流程和参数，实现了提示词和权重的自动优化。该框架引入了新型优化器，能根据特定指标调整参数，有效提升GPT-3.5、GPT-4等模型的性能。DSPy为开发者提供了系统化方法，以更高效地解决复杂AI任务，显著改善了语言模型在各种应用中的可靠性。

build_MiniLLM_from_scratch - 小规模参数LLM构建指南，支持多轮对话与聊天模型

GithubTorch4kerasbert4torchbuild_MiniLLM_from_scratch开源项目指令微调预训练

该项目详细介绍了如何从零开始构建小规模参数的语言模型（LLM），经过预训练、指令微调、奖励模型和强化学习四个阶段。项目基于bert4torch训练框架，优化内存占用，并提供完整的训练日志以供复现。模型支持与transformers兼容，能够进行多轮对话。项目也开源了预训练语料和权重，方便用户下载和使用，提升了实用性与操作性。

self-rag - 通过自反学习使语言模型实现按需检索、生成和评估的框架

GithubSelf-RAG关键词生成开源项目检索增强生成自我反思语言模型

Self-RAG是一种创新框架,通过自反学习使语言模型实现按需检索、生成和评估。该方法预测反思标记,支持多次检索或跳过检索,并从多角度评估生成内容。这不仅提高了模型输出的事实性和质量,还保持了语言模型的通用性能。

RETRO-pytorch - 基于PyTorch的RETRO检索增强语言模型

GithubPytorchRETRO开源项目检索增强语言模型深度学习神经网络

RETRO-pytorch是一个基于PyTorch实现的检索增强变换器(RETRO)模型。该项目通过高效的检索机制,在仅使用GPT-3十分之一参数的情况下实现相当性能。项目利用autofaiss构建索引和计算最近邻,并支持将模型扩展至1000层。此外,RETRO-pytorch还提供了便捷的训练包装器和数据集类,大大简化了模型训练流程。

chain-of-hindsight - 基于人类反馈优化语言模型的开源框架

Chain of HindsightGithub反馈对齐开源项目模型训练评估语言模型

Chain-of-Hindsight是一个开源项目，提供了基于Jax的语言模型训练框架。该方法通过人类反馈来优化模型性能，支持LLaMA和GPT-J等大型模型。项目包括数据准备、模型训练和评估的完整流程，其反馈处理机制有助于模型在对话和摘要等任务中提升表现。最新更新改进了大模型分片和数据并行处理，为自然语言处理研究提供了实用工具。

Skywork-Reward-Llama-3.1-8B - 开源奖励模型的紧凑数据集设计

GithubHuggingfaceSkywork Reward开源项目数据集文本分类模型算法

Skywork-Reward-Llama-3.1-8B通过80K优质偏好对数据集，展示了无需改变算法或架构即可实现高效奖励建模的潜力，在数学、编码和安全领域中表现出色，且在RewardBench排行榜中占据领先地位。

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