Awesome-RL-based-LLM-Reasoning开源项目 – 强化学习提升大模型推理能力

TRIL是一个模块化的强化学习（RL）和模仿学习（IL）算法开发库，基于Hugging Face开源的transformers、accelerate和peft等库，直接支持预训练语言模型并支持分布式计算。它提供了多种算法和任务支持，适用于广泛的机器学习应用场景。

ollama-for-amd 是一个开源的魔改版 Ollama，基于官方 Ollama 进行修改，特别增加了对多种 AMD 显卡的支持。它能够快速启动并运行 DeepSeek、Llama 3、Gemma 等大模型，为用户提供高效的模型推理和交互体验。

一个基于 LLM 的 OCR 扫描 PDF 开源工具，旨在通过利用多模态大语言模型（LLM）将原始的 OCR 扫描 PDF 文本转换成高准确度、格式正确且易于阅读的 Markdown 文档。

AI 代码工具 Bolt.new 是一个开源项目，旨在帮助开发者更高效地编写代码，支持多种编程语言，提供智能代码补全和实时预览等功能，用户界面友好，方便开发者使用。

flowRL是一个利用强化学习优化用户体验的UI个性化平台。通过集成我们的AI模型，您可以根据用户交互自动调整界面，以最大化您选择的目标指标。

Flashbax 是一个专为与 JAX 范例兼容而设计的库，旨在简化强化学习 (RL) 背景下的体验重放缓冲区的使用。它允许在完全编译的函数和训练循环中轻松利用这些缓冲区，从而加速强化学习过程并简化缓冲区管理。

Zephyr是一个基于JAX的声明式神经网络库，旨在简化神经网络的设计、创建和操作。它特别适合那些希望快速实现机器学习想法的开发者，提供了高效且易于使用的工具，使得构建和操作神经网络变得更加简单快捷。Zephyr不仅易于扩展，还能在JAX的基础上进行高级神经网络操作，是研究和开发新机器学习算法的理想选择。

Dr. Read 是一个创新的电子阅读工具，可以将任何网站转换为互动阅读体验，提供实时反馈和额外学习资源。它旨在帮助各个年龄段的用户通过引人入胜的平台提高阅读技能。

form-builder 是一个动态表单构建工具，允许用户在 web 应用程序中无缝创建、自定义和验证表单。它支持多种输入类型，并利用 Zod 库进行实时验证，确保数据的完整性。该项目拥有高度的社区活跃度，已有 196 个分支。

知识增强规划系统，旨在为基于LLM的智能Agent提供支持，通过创建广泛的行动知识库，将特定任务相关的行动规划知识整合起来，并将这些知识转化为文本，使模型能够深入理解和利用这些知识来生成行动轨迹。

这是一个正在开发中的SQLite扩展，旨在使用llama.cpp生成文本嵌入，适用于文本语义搜索和分析。

CivRealm是一个基于开源游戏Freeciv-web的学习和推理环境，提供了基于强化学习和语言模型的决策智能体接口，以及训练和评估工具和基线模型，旨在成为复杂环境中学习和推理代理的测试平台。

ThinkDiff是一个创新的扩散模型，通过将视觉语言模型与大型语言模型解码器对齐，简化了训练过程，并显著提升了生成图像的质量和多模态上下文推理能力。该项目在CoBSAT基准测试中取得了显著的准确率提升，仅需5小时训练，且仅使用普通图像-文本对进行训练，无需复杂的多模态数据集。

Arc Virtual Cell Atlas 是一个加速虚拟细胞模型创建的高质量数据集宝库，汇集了超过3.3亿细胞数据，涵盖观察性和干预性数据。项目提供Tahoe-100和scBaseCamp两大核心数据集，并且数据持续更新，助力生命科学研究。

ReSearch 是一个开源项目，通过强化学习将搜索操作整合到大型语言模型（LLMs）的推理过程中，使其能够通过搜索工具更有效地回答问题。该项目通过强化学习训练LLM，使其在无监督数据的情况下学会何时以及如何调用搜索工具。基于Qwen2.5-7B模型，从零开始训练，展现了强大的泛化能力，并在HotpotQA等数据集上验证，性能显著提升。