TRL

开源训练 & 微调 › 对齐与 RLHF19k↑+20

Hugging Face 维护的 Transformer Reinforcement Learning 库，覆盖 SFT、DPO、PPO 等对齐训练流程，常用于 LLM 后训练实验。

🎯适用场景：做大模型 SFT、DPO、PPO 或偏好对齐训练实验。

#RLHF#DPO#SFT#后训练#Hugging Face

📥 收录于 2026/7/12

访问工具 📖 官方文档

📊 仓库数据

Stars19,155

Forks2,931

语言Python

更新2026/8/26

📈 Stars 变化 ↑3 天 +20· 统计区间 8/24 03:32 → 8/26 16:51（3 天）

✅ 优点

•与 Hugging Face Transformers 和 Datasets 集成紧密
•覆盖常见 LLM 对齐训练算法
•适合快速复现后训练和偏好优化实验

⚠️ 限制

•训练成本和显存需求取决于模型规模
•生产级训练仍需配合分布式、数据治理和评测体系

🔗 相关工具

Oumi

开源9.4k↓-2

github.com/oumi-ai/oumi

端到端 LLM/VLM 训练平台，9.2K+ stars。支持 SFT/DPO/评估/部署全流程，兼容 Gemma、Qwen、DeepSeek-R1 等最新模型。提供简洁 API 和预置配方，大幅降低 LLM 微调门槛

🎯大模型微调与训练

Miles

开源2.3k↑+36

github.com/radixark/miles

RadixArk 开源的 LLM/VLM 后训练强化学习框架，从 slime 分叉并共同演进。支持 SGLang 高吞吐 rollout + Megatron-LM/FSDP2 分布式训练，面向企业级大规模 RL 训练。72 位贡献者，1,300+ 提交，v0.1 已发布。

🎯大规模 LLM/VLM 后训练强化学习，特别是 Agentic 工作负载场景

#强化学习#后训练#分布式训练#LLM+1

CleanRL

开源10k↑+15

github.com/vwxyzjn/cleanrl

高质量单文件深度强化学习算法实现，涵盖 PPO、DQN、SAC、TD3 等主流算法，代码简洁适合学习和研究对比

🎯强化学习算法学习、教学和新算法的研究对比基线

Safe RLHF

开源1.6k

github.com/PKU-Alignment/safe-rlhf

PKU-Alignment 出品的安全强化学习人类反馈框架，1.6K+ stars。通过安全 RLHF 实现约束价值对齐，是 AI 安全对齐领域的前沿研究

🎯大模型安全对齐训练

#AI 安全#对齐#rlhf#safety+1

LLaMA Factory

开源74k↑+68

github.com/hiyouga/LLaMA-Factory

100+ 大模型高效微调工具，71K+ stars。支持 LoRA、QLoRA、DPO、PPO 等 10+ 种微调方法，提供 WebUI 一键式微调界面，兼容 LLaMA、Mistral、Qwen、Baichuan 等主流模型。ACL 2024 论文收录

🎯大模型微调与训练

Axolotl

开源12k↑+10

github.com/axolotl-ai-cloud/axolotl

LLM 微调训练工具，12K+ stars。支持 LoRA/QLoRA/全参数微调、DPO/ORPO 等对齐方法，兼容 Llama、Mistral、Qwen 等主流模型。提供 YAML 配置驱动的训练流程，是 LLM 微调的事实标准工具之一

🎯大模型微调与训练

#LLM 微调#LoRA#DPO#训练工具