项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 62
核心亮点
- 直接解决 SFT 后生成文本重复、单一的真实痛点，而非泛泛优化指标
- 基于梯度编辑的轻量方法，无需修改模型架构，易于集成到现有训练流程
- 提供论文配套的完整实验配置和评估脚本，复现门槛低
不足之处
- 文档/社区待观察
- 仅支持 PyTorch 生态，未覆盖 TensorFlow/JAX 等框架
适用场景
- 研究 SFT 多样性退化问题，作为论文复现或改进的基线
- 在通用指令微调或领域微调中，需要保持模型生成多样性的工程场景
- 对比不同微调方法对生成质量影响的实验评估
替代项目
DPO (Direct Preference Optimization)、ORPO (Odds Ratio Preference Optimization)、SimPO (Simple Preference Optimization)
同类项目推荐
vertex-ai-mlops
开源
照着做，就能在 Google Cloud 上跑通生产级 ML 流水线
Google Cloud Platform Vertex AI end-to-end workflows for machine learning operations
DS2
开源
用 LLM 评分自动筛数据，少数据也能训出好模型
[ICLR 2025] Official implementation of paper "Improving Data Efficiency via Curating···
Fast-LLM
开源
让 LLM 训练跑满 GPU，少等快出结果
Accelerating your LLM training to full speed! Made with ❤️ by ServiceNow Research
dParallel
开源
让扩散语言模型并行解码，推理速度翻倍
[ICLR 2026] dParallel: Learnable Parallel Decoding for dLLMs
nanochat-mlx
开源
在 Mac 上训练你自己的 ChatGPT，无需云 GPU
Train your own ChatGPT on Apple Silicon — MLX port of nanochat
MoE-plus-plus
开源
零计算专家，让MoE模型更快更省，性能不减
[ICLR 2025] MoE++: Accelerating Mixture-of-Experts Methods with Zero-Computation Exp···
Open-LLaVA-NeXT
开源
开源复现 LLaVA-NeXT，快速训练你的多模态对话模型
An open-source implementation for training LLaVA-NeXT.
xtuner
开源
训练千亿 MoE 模型，省显存又提速
A Next-Generation Training Engine Built for Ultra-Large MoE Models
prime-rl
开源
让智能体多轮强化学习训练轻松扩展到大规模
Agentic RL Training at Scale