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 ★ 256
核心亮点
- 创新性地将强化学习目标融入预训练阶段，突破传统监督/自监督预训练局限
- 官方 ICLR 2026 论文实现，代码质量有保障，实验配置完整
- 基于 PyTorch，易于扩展和复现，适合学术研究
不足之处
- 早期项目，文档和社区支持待观察
- 目前仅提供基础实现，可能缺乏大规模预训练的实际验证
适用场景
- 学术研究：探索强化学习预训练的新范式
- 智能体训练：为下游强化学习任务提供更好的初始化
- 多任务决策：预训练模型可适应多种交互式环境
替代项目
Decision Transformer、Gato (DeepMind)、RLHF (基于人类反馈的强化学习)
同类项目推荐
notebooks
开源
照着 Notebook 改数据路径，就能微调 250+ 大模型
250+ Fine-tuning & RL Notebooks for text, vision, audio, embedding, TTS models.
m-courtyard
开源
在 Mac 上零代码微调 AI 模型，数据不出本机。
M-Courtyard: Local AI Model Fine-tuning Assistant for Apple Silicon. Zero-code, zero···
RLHF-Reward-Modeling
开源
一键训练 RLHF 奖励模型，快速对齐大模型
Recipes to train reward model for RLHF.
HarborRL
开源
把智能体多步任务训练流程打包成开箱即用的流水线
An end-to-end framework for Agentic Reinforcement Learning.
LLMNodeBed
开源
统一基准，对比LLM节点分类算法，复现ICML论文结果。
[ICML 2025] Official implementation for paper "A Comprehensive Analysis on LLM-based···
sklearn-diagnose
开源
给 sklearn 模型做 AI 体检，一眼揪出过拟合和数据泄漏
AI-powered diagnosis for Scikit-learn models: Detect overfitting, data leakage, clas···
create-llm
开源
一条命令生成可训练的 PyTorch 大模型工程
The fastest way to build and start training your own LLM. CLI tool that scaffolds pr···
FineTuningLLMs
开源
跟着书一步步微调大模型，从零跑通全流程
Official repository of my book "A Hands-On Guide to Fine-Tuning LLMs with PyTorch an···
MPO
开源
让LLM智能体先学会定计划，再动手执行，提升复杂任务成功率
MPO: Boosting LLM Agents with Meta Plan Optimization (EMNLP 2025 Findings)