SuperAPI AI 工具集
合作ENAI 行业资讯收藏

AI开发平台

3,558 个结果 · 第 91 / 99 页

simple_GRPO

AI开发平台

simple_GRPO 是一个用于复现 R1 类大语言模型思维能力的轻量级 GRPO 开源实现，代码仅约 200 行，分布在两个文件中，依赖 deepspeed 和 torch 等标准库，无需 ray。它借鉴 Hugging Face trl 的核心损失计算公式，支持节省 GPU 显存、快速理解 RL 过程、尝试多答案生成、重组、KL 惩罚和参数调优等，训练早期可观察到“Aha moment”。项目提供引用模型解耦设计，可在不同 GPU 甚至不同机器上运行，支持 vLLM 加速推理和 reinforce++ 算法。实验显示在 A800 上 1 小时内完成训练，Qwen2.5-7B 和 3B 模型在 30 步内出现 Aha moment，准确率稳定在 60% 以上，格式合规性达 100%。

查看介绍

simpleRL-reason

AI开发平台

simpleRL-reason 是香港科技大学 NLP 团队在 GitHub 开源的推理能力强化学习训练代码库。它提供了一套简单的强化学习训练方案，仅使用基于规则的奖励以及 GSM8K/Math 数据集，即可提升基础模型的推理能力。项目已成功对 10 个不同的基础模型进行零 RL 训练，包括 Llama3 8B、Mistral 7B/24B、DeepSeekMath 7B、Qwen2.5 0.5B/1.5B/7B/14B/32B 以及 Qwen2.5-Math-7B，使用 8K 示例的有限数据，准确率提升达到 10 到 20 个绝对百分点以上。项目开源了代码、模型检查点和分析工具，并提供了相关论文和博客。代码基于 Verl 实现，支持自定义环境设置和 FSDP 训练，使用 GRPO 算法，并借助 Ray 和 vLLM 加速训练。

查看介绍

Skillry

AI开发平台

Skillry 是一个为 Claude Code、Codex、Cursor 等 AI 智能体提供可复用 Agent Skills 的平台。其技能由团队自主设计、编写和测试，以 SKILL.md 形式打包，涵盖幻灯片、网页、图像和视频等任务。用户可通过网页或 CLI 安装技能，让智能体按预设工作流生成对应成品。平台已积累 400 多个技能，包含免费与付费内容，付费提供月度和年度方案，以及一次性买断的终身选项。部分图像或视频技能需用户自备外部 AI 模型（如 FAL）的 API 密钥，并由相应服务商按使用量计费。免费技能只需注册免费账户，每个技能页面会说明实际产出和所需条件。

查看介绍

skyagi

AI开发平台

SkyAGI 是一个 Python 包，用于演示大语言模型（LLM）在模拟可信人类行为方面的涌现能力。它实现了生成式智能体（Generative Agents）的思想，并提供了一个角色扮演游戏，能创造非常有趣的用户体验。与以往基于 AI 的 NPC 系统不同，SkyAGI 的 NPC 能生成非常可信的人类反应。该演示中的有趣观察表明，在 NPC 脚本编写等许多游戏开发方面，具有重新思考的巨大潜力。为了演示这一点，SkyAGI 提供了《生活大爆炸》和《复仇者联盟》中的示例角色作为起点。用户还可以通过创建类似 customized_character.json 的配置文件来定义自定义角色。

查看介绍

Skywork-OR1

AI开发平台

Skywork-OR1（Open Reasoner 1）是 SkyworkAI 开源的一系列数学与代码推理模型及配套训练方案。该系列使用大规模基于规则的强化学习，结合精心设计的数据集与训练配方，包含 Skywork-OR1-7B 和 Skywork-OR1-32B 两个通用推理模型。据官方资料，Skywork-OR1-32B 在数学任务（AIME24 和 AIME25）上优于 Deepseek-R1 和 Qwen3-32B，在代码任务（LiveCodeBench）上表现相当；Skywork-OR1-7B 在同规模模型中数学和编码场景表现具有竞争力。项目开源了模型权重、训练数据、代码，并提供训练与评估脚本，支持通过 Docker 和 Conda 环境复现，支持使用 Ray 进行多节点训练。官方还发布了技术报告（arXiv）和 Notion Blog，分享详细训练配方、实验结果与分析。项目还提供 Skywork-OR1-RL-Data 训练数据集，以及针对 AIME24/AIME25 和 LiveCodeBench 的评估脚本。评估采用 Avg@K 作为主要指标，而非 Pass@1，以降低随机性影响。

查看介绍

slime

AI开发平台

slime 是由 THUDM 开发的大语言模型（LLM）后训练框架，面向强化学习（RL）规模化训练。它通过连接 Megatron 与 SGLang，提供高性能训练和灵活的数据生成两大核心能力，并将训练、rollout、数据缓冲、奖励计算、验证器反馈与环境交互统一在同一条路径中。该框架已用于 GLM-5.3-Flash、GLM-5.3、GLM-5.2、GLM-5.1、GLM-5、GLM-4.7、GLM-4.6、GLM-4.5 等模型的发布训练，同时支持 Qwen、DeepSeek、Llama 3 等模型系列。slime 的设计目标是让训练与数据生成相互增强，而不必拼凑成由割裂的训练器、rollout 服务和智能体框架组成的沉重技术栈，因此它体量较小、易于理解和扩展，又经过完整的训练闭环验证。

查看介绍