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 2026-10-31 · 当前星标 ★ 126
核心亮点
- 统一训练、评估、部署三段流程，减少实验脚本重复搭建
- 支持语言与多模态骨干，并用 LoRA 做参数高效微调，显存门槛较低
- 引入强化学习优化决策策略，覆盖 System 1 快速反应场景
不足之处
- 早期项目，星标约 126，API 与文档稳定性有待观察
- 缺少大规模生产验证案例，部署环节成熟度不足
- 社区规模小，遇到问题可参考的讨论和示例有限
适用场景
- 研究团队快速搭建 System 1 决策模型实验基线
- 在语言或多模态骨干上做 LoRA 微调并对比决策效果
- 将训练好的决策策略接入评估与部署流水线做原型验证
替代项目
OpenRLHF、trl、Stable-Baselines3
同类项目推荐
determined
开源
一键拉起分布式训练，自动调参省心省力
Determined is an open-source machine learning platform that simplifies distributed t···
physicsnemo
开源
用物理规律训练神经网络，让仿真又快又准
Open-source deep-learning framework for building, training, and fine-tuning deep lea···
controlnet_stable_tensorrt
开源
用TensorRT加速Stable Diffusion+ControlNet，让可控生成更快更省显存。
stable diffusion, controlnet, tensorrt, accelerate
ggufy
开源
一条命令把 safetensors 转成 GGUF，本地跑模型更省事
CLI/GUI tool for efficient and easy safetensors and gguf model conversion
DPO-Shift
开源
修正 DPO 分布偏移，让模型对齐更稳更准
DPO-Shift: Shifting the Distribution of Direct Preference Optimization
Time-R1
开源
让大模型像专家一样一步步推理预测时间序列
Time-R1 is a two-stage reinforcement fine-tuning framework that trains large languag···
TreeLoRA
开源
用树状 LoRA 分层管理任务，持续学习不遗忘
[ICML 2025] A pytorch implementation of the paper "TreeLoRA: Efficient Continual Lea···
Automodel
开源
Hugging Face 模型直接多卡分布式微调，不改代码。
Pytorch Distributed native training library for LLMs/VLMs with OOTB Hugging Face sup···
AgileRL
开源
让强化学习训练快 10 倍，超参自动调优，开箱即用
The complete post-training stack for LLMs, plus RL for any problem. SFT, DPO and mul···