“dpo” 相关开源项目

百余张原创架构图，系统图解大模型与强化学习核心算法。

用 PyTorch 从零实现的 Transformer 大模型训练教程与代码库，涵盖预训练、SFT、奖励模型、DPO/PPO/GRPO 与文本生成。

通过一份 YAML 配置完成 LLM 微调与后训练的命令行工具，支持在低显存消费级显卡上训练。