| AdaptThink |
📖 |
让推理模型按问题难度自适应选 Thinking/NoThinking,约束优化 + 重要性采样降成本 45–69% 同时提准确率 |
| retool |
📖 |
多轮对话 + 代码沙箱提升数学推理,SFT→RL 两阶段;Qwen2.5-32B + AIME 2024 + DAPO + SandboxFusion |
AWorld/ · AWorld-train |
📖 |
基于 AWorld 框架训练具身 Agent,在虚拟环境中执行任务并从经验中学习 |
SFTvsRL/ |
📖 |
系统性对比监督微调与强化学习在不同任务上的效果与适用场景 |
verl/ |
📖 |
为 LLM RLHF 设计的高效 RL 框架,支持 PPO/GRPO/DAPO 等 |
| Intuitor |
✅ |
训练模型的直觉推理,快速做出合理判断而不依赖详细思考链 |
| MultilingualReasoning |
✅ |
训练模型在多语言环境下的推理能力,提升跨语言任务表现 |
| SpatialReasoning |
📖 |
训练模型的空间推理能力,处理位置、方向、距离等空间关系 |
| SimpleVLA-RL |
📖 |
视觉-语言-动作 RL,让模型理解视觉输入并执行相应动作 |
| continued-pretraining |
✅ |
在特定领域数据上持续预训练,提升目标领域表现 |
| MiniMind-pretrain |
📖 |
从零预训练小型 LLM/VLM,理解完整预训练流程与关键技术 |
| sesame |
✅ |
专注于序列建模任务的训练和评估方法 |
| orpheus |
✅ |
训练模型的音乐生成与理解能力 |
tinker-cookbook/ |
📖 |
收集各种模型训练的实用技巧与最佳实践 |