Dylsimple60/RLHF_learn

• 类型：github
• 标识：Dylsimple60/RLHF_learn
• 链接：https://github.com/Dylsimple60/RLHF_learn
• 主题：llm-infra, risk
• 主分类：engineering
• 形态：app
• 分类：ai
• Stars：6
• 周增：+0
• 语言：Python
• 最近提交：2026-08-22
• 简介：🤖 Enhance reinforcement learning stability and efficiency with advanced algorithms like TRPO, PPO, DPO, GRPO, DAPO, and GSPO for optimized policy training.
• 上次采集：2026-08-23
• 首次采集：2026-08-11
• 待LLM分类：否
• 成熟度：experimental
• 简介中文：🤖 利用 TRPO、PPO、DPO、GRPO、DAPO、GSPO 等先进算法提升强化学习的稳定性与效率，优化策略训练。
• 来源文件：
• [GitHub Search]