Project Icon

motif

利用大语言模型偏好生成奖励函数的强化学习框架

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。

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。
simple_rl - 轻量级Python强化学习实验框架
GithubPython复现结果实验开源项目强化学习简单框架
simple_rl框架专注于简化强化学习实验流程和提高结果可复现性。它内置了网格世界、OpenAI Gym等MDP环境,实现了Q-learning和R-Max等经典算法。新增的实验复现功能方便研究者重现成果。该框架支持Python 2和3,为强化学习研究和教学提供了实用工具。
ContinualLM - 语言模型持续学习的开源框架
ContinualLMGithub开源项目语言模型迁移学习连续学习领域适应
ContinualLM是专注于语言模型持续学习的开源框架。它集成多种先进方法,采用统一的训练评估流程。支持领域自适应预训练和端任务微调,包含6个领域数据集。该框架致力于推动语言模型持续学习研究,为研究人员提供灵活有力的工具。
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。
rl4co - 统一框架助力组合优化问题的强化学习解决方案
GithubPyTorchRL4CO开源框架开源项目强化学习组合优化
RL4CO是一个专注于组合优化问题的开源强化学习框架。基于PyTorch构建,它整合了TorchRL和TensorDict等技术,提供统一接口和灵活实现。框架支持构造型和改进型策略,适配多种环境和模型。其模块化设计和丰富工具集有助于研究人员高效开发和评估新算法,为组合优化研究提供了全面的实验平台。
openai_lab - 提升强化学习效率的实验框架,兼容OpenAI Gym、Tensorflow和Keras
GithubKerasOpenAI GymOpenAI LabTensorflow开源项目强化学习
OpenAI Lab提供统一的强化学习环境和代理接口,内置主要强化学习算法。用户可轻松进行大量超参数优化实验,自动生成日志、图表和分析报告。实验设置采用标准化JSON格式,确保实验可重复且易于比较。支持自动分析实验结果,帮助选择最佳解决方案,专注于强化学习的关键研究,如算法、策略、记忆和参数调优。
reward-bench - 用于评估使用如Starling、PairRM、OpenAssistant和DPO等算法的奖励模型的能力和安全性的基准工具
GithubRewardBenchanymodel开源项目数据集文献评价标准
RewardBench是一款基准工具,用于评估使用如Starling、PairRM、OpenAssistant和DPO等算法的奖励模型的能力和安全性。该工具提供通用的推理代码、统一的数据集格式和测试,以确保公平评估,并拥有强大的分析与可视化功能。用户可以通过pip快速安装并运行评估脚本,测试各种奖励模型的性能和偏好集。
Lion - 对抗蒸馏框架提升大型语言模型能力
GithubLion大型语言模型对抗蒸馏开源项目指令微调自然语言处理
Lion项目开发了一种对抗蒸馏框架,通过模仿、辨别和生成三个阶段从专有大型语言模型中提取知识。该框架不断挑战学生模型,提升其能力。使用70k指令数据训练后,Lion (7B)模型性能接近ChatGPT。项目公开了模型权重、训练和推理代码,在开放式生成和推理任务中表现出色。Lion致力于推进语言模型研究,仅限研究用途。
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。
ImageReward - 基于专家比较的文本到图像生成人类偏好评价模型
GithubImageRewardReFLStable Diffusion人类偏好学习开源项目文本到图像生成
ImageReward是首个通用的文本到图像生成偏好评价模型,基于137k对专家比较进行训练,显著优于现有方法。创新的Reward Feedback Learning (ReFL)机制直接优化生成模型,胜率提高58.4%,现已整合为便捷易用的Python包。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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