| AdaptThink |
📖 |
讓推理模型按問題難度自適應選 Thinking/NoThinking,約束最佳化 + 重要性取樣降成本 45–69% 同時提升準確率 |
| retool |
📖 |
多輪對話 + 程式碼沙箱提升數學推理,SFT→RL 兩階段;Qwen2.5-32B + AIME 2024 + DAPO + SandboxFusion |
AWorld/ · AWorld-train |
📖 |
基於 AWorld 框架訓練具身 Agent,在虛擬環境中執行任務並從經驗中學習 |
SFTvsRL/ |
📖 |
系統性對比監督微調與強化學習在不同任務上的效果與適用場景 |
verl/ |
📖 |
為 LLM RLHF 設計的高效 RL 框架,支援 PPO/GRPO/DAPO 等 |
| Intuitor |
✅ |
訓練模型的直覺推理,快速做出合理判斷而不依賴詳細思考鏈 |
| MultilingualReasoning |
✅ |
訓練模型在多語言環境下的推理能力,提升跨語言任務表現 |
| SpatialReasoning |
📖 |
訓練模型的空間推理能力,處理位置、方向、距離等空間關係 |
| SimpleVLA-RL |
📖 |
視覺-語言-動作 RL,讓模型理解視覺輸入並執行相應動作 |
| continued-pretraining |
✅ |
在特定領域資料上持續預訓練,提升目標領域表現 |
| MiniMind-pretrain |
📖 |
從零預訓練小型 LLM/VLM,理解完整預訓練流程與關鍵技術 |
| sesame |
✅ |
專注於序列建模任務的訓練和評估方法 |
| orpheus |
✅ |
訓練模型的音樂生成與理解能力 |
tinker-cookbook/ |
📖 |
收集各種模型訓練的實用技巧與最佳實踐 |