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 ★ 300
核心亮点
- 针对 RL 实验场景优化，直接解决 GPU 排队痛点
- 轻量级设计，易于集成到现有 Python 工作流
- 支持实验队列和优先级，提升资源调度灵活性
不足之处
- 项目处于早期阶段，文档和社区生态待观察
- 功能相对单一，可能缺乏高级调度策略
适用场景
- 个人研究者批量运行 RL 实验时减少 GPU 空闲
- 小团队共享 GPU 资源时优化实验排队顺序
- 需要快速迭代超参数调优的 RL 项目
替代项目
Ray Tune、Optuna、Kubernetes with Kubeflow
下一篇：VERONA
同类项目推荐
DoRA
开源
把LoRA拆成幅度和方向，微调效果更准更稳
[ICML2024 (Oral)] Official PyTorch implementation of DoRA: Weight-Decomposed Low-Ran···
petals
开源
在家用 BitTorrent 方式跑大模型，推理微调快 10 倍
Run LLMs at home, BitTorrent-style. Fine-tuning and inference up to 10x faster than ···
labs-molt
开源
用HuggingFace生态跑智能体强化学习，省心扩展
A scalable, agentic-first, and HuggingFace-native RL framework for research (9k line···
Self-Supervised-Gans-Pytorch
开源
用旋转自监督让 GAN 训练更稳，生成图像更逼真
Ready to train Pytorch implementation of the CVPR'19 paper "Self-Supervised GANs via···
Dreambooth-Stable-Diffusion
开源
用几张照片，微调Stable Diffusion生成专属主体的新图像
Implementation of Dreambooth (https://arxiv.org/abs/2208.12242) with Stable Diffusio···
Target-Driven-Distillation
开源
让扩散模型蒸馏更快更稳，生成质量不掉线
Consistency Distillation with Target Timestep Selection and Decoupled Guidance
Liger-Kernel
开源
不改模型结构，给 LLM 训练省显存提吞吐
Efficient Triton Kernels for LLM Training
SiLLM
开源
在 Mac 上轻松训练和运行大模型，无需 NVIDIA GPU。
SiLLM simplifies the process of training and running Large Language Models (LLMs) on···
RAG-FiT
开源
让大模型更懂检索结果，微调提升 RAG 问答准确率
Framework for enhancing LLMs for RAG tasks using fine-tuning.