PyPI
huggingface/trl
Train transformer language models with reinforcement learning.
Apache-2.02026年8月24日 · 指标 2.10.0
全部标签
目录标签
#dpo
公开记录中带有此标签的全部仓库——标签来自其 GitHub 主题或软件包注册表发布的关键词。健康度量遵循与记录其余部分相同的版本化方法论。
4 条记录
PyPI
MakazhanAlpamys/Soup
Fine-tune LLMs from one YAML. Layer streaming trains an 8B model on a 4 GB laptop GPU.
Apache-2.02026年9月8日 · 指标 2.10.0
PyPI
Goekdeniz-Guelmez/mlx-lm-lora
Train Large Language Models on MLX.
Apache-2.02026年10月22日 · 指标 2.10.0
npm
IgorGanapolsky/ThumbGate
ThumbGate Pre-Action Checks self-improve from ranked lessons and repeated failures, hard-block detected secret leaks, and block matches in strict mode.
MIT2026年9月11日 · 指标 2.10.0