
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 2026-11-21 · 当前星标 ★ 527
核心亮点
- 在单张 H100 上支持 32B 模型 RL 训练,显著降低多卡集群依赖
- 将量化与强化学习流程结合,针对显存瓶颈做系统性优化
- 有 ICLR 2026 论文支撑,方法设计有明确的研究依据
不足之处
- 项目处于早期阶段,星标约 527,生态与社区反馈有限
- 仅验证单卡 H100 场景,其他硬件与多卡扩展性待观察
- 文档与使用示例可能不够完善,上手需要一定调参经验
适用场景
- 学术团队在单卡环境下复现大模型 RL 训练实验
- 中小团队低成本验证推理增强模型的训练效果
- 研究量化技术对强化学习训练稳定性与效果的影响
替代项目
verl、OpenRLHF、TRL
上一篇:veScale
下一篇:没有了!
同类项目推荐
Graph-CoT
开源
让大模型在知识图谱上一步步推理,提升复杂问答准确率
Graph Chain-of-Thought: Augmenting Large Language Models by Reasoning on Graphs (ACL···
Spectral-DeTuning
开源
一键还原生成模型微调前的原始权重,逆向去微调
Official PyTorch Implementation for the "Recovering the Pre-Fine-Tuning Weights of G···
LightRFT
开源
用奖励模型驱动微调,让 LLM/VLM 按目标越训越强
LightRFT: Light, Efficient, Omni-modal & Reward-model Driven Reinforcement Fine-Tuni···
OneTrainer
开源
图形化界面搞定扩散模型训练,从 LoRA 到全量微调一站式完成。
OneTrainer is a one-stop solution for all your Diffusion training needs.
Aurora
开源
统一多模态时间序列预测,一个模型搞定数值文本图像
[ICLR 2026] Aurora: Towards Universal Generative Multimodal Time Series Forecasting
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
litgpt
开源
一条命令搞定大模型预训练、微调和部署,省时省力
20+ high-performance LLMs with recipes to pretrain, finetune and deploy at scale.
EvoTune
开源
让 LLM 自动进化出算法,省去手工设计
Efficiently discovering algorithms via LLMs with evolutionary search and reinforceme···
Kardia-R1
开源
让AI学会共情,用强化学习提升情感支持回复质量
[WWW] Kardia-R1: Unleashing LLMs to Reason toward Understanding and Empathy for Emot···