
Composition-RL
把可验证提示词自动组合,低成本扩充 RL 训练数据
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 2026-10-05 · 当前星标 ★ 138
核心亮点
- 用组合方式自动扩充可验证提示词,减少人工标注成本
- 提供完整训练脚本,可直接复现论文实验
- 面向 RLVR 场景,与主流可验证奖励训练流程兼容
不足之处
- 项目处于早期,星标和社区规模较小
- 文档与使用示例相对有限,上手需读论文
适用场景
- 为大模型 RLVR 训练做数据增强
- 复现 Composition-RL 论文实验
- 研究可验证提示词自动生成方法
替代项目
verl、OpenRLHF
上一篇:Repo2RLEnv
下一篇:vime
同类项目推荐
pycaret
开源
几行代码跑完建模全流程,小白也能交出好模型
Open-source, low-code AutoML platform for Python. PyCaret 4.0: sklearn-native engine···
reevo
开源
让大模型自动进化出高效启发式规则,解决优化难题
[NeurIPS 2024] ReEvo: Large Language Models as Hyper-Heuristics with Reflective Evol···
sd-leap-booster
开源
让 Stable Diffusion 微调更快,从局部最优起步,省时省力。
Fast finetuning using a booster model that puts the initial state to a local minimum
CUDA-L2
开源
用强化学习自动写出比 cuBLAS 更快的矩阵乘法内核
CUDA-L2: Surpassing cuBLAS Performance for Matrix Multiplication through Reinforceme···
DiffuseKronA
开源
用更少参数微调扩散模型,生成更精准的个性化图像
DiffuseKronA: A Parameter Efficient Fine-tuning Method for Personalized Diffusion Mo···
arkor
开源
用 TypeScript 搞定大模型微调,工程化更顺滑
The Best TypeScript framework for fine-tuning
LlamaFactory
开源
上百种模型随意挑,教出你专属的 AI
Unified Efficient Fine-Tuning of 100+ LLMs & VLMs (ACL 2024)
LRV-Instruction
开源
减少多模态模型胡说八道,让AI描述更靠谱
[ICLR'24] Mitigating Hallucination in Large Multi-Modal Models via Robust Instructio···
MTP
开源
多任务预训练遥感模型,一个骨干搞定多种任务
The official repo for [JSTARS'24] "MTP: Advancing Remote Sensing Foundation Model vi···