yifanzhang-pro/FlashREINFORCE
- Всего звёзд
- 95
- Сегодня
- +0
Другие действия
FlashREINFORCE: Critic-Free, Single-Rollout, Asynchronous RL for Agentic Language Models
Сохрани в «Мои находки», чтобы следить за релизами и ростом звёзд. Сохраняется в этом браузере.
О проекте
Фреймворк асинхронного обучения с подкреплением для агентных языковых моделей: один rollout на промпт, без критика, с коррекцией устаревших данных через importance sampling и контролем дрейфа политики.
Чем пригодится
- Обучить агентную LLM на длинных цепочках рассуждений без критика и групповых rollout
- Запустить CPU-пример toy_update.py для проверки шага оптимизатора
- Воспроизвести эксперименты на Qwen2.5-Math или DeepSeek-R1-Distill через Molt-лаунчеры
Пересказ README моделью DeepSeek V4.1 Flash. Может ошибаться в деталях. Оригинал README →
Рост звёзд выглядит естественно. Данные на 29 сентября 2026, 08:20 UTC.
Оценка роста звёзд не подтверждает безопасность запуска.
Звёзды по дням
Столбики — звёзды за день UTC; линия — скользящее среднее доступной истории. Пропуски означают отсутствие данных, а не нулевой рост. Сегодняшний столбик неполный. Красным — дни всплесков.
Почему он в тренде
- Репозиторию 15 дней, а у него уже 95 звёзд.
Замеры роста: последние 7 полных дней
Нет данных за все 7 дней: недельный итог и сравнение не рассчитываются.
Замеры по дням · UTC
- 26 октября 2026
- —
- 27 октября 2026
- —
- 28 октября 2026
- —
- 29 октября 2026
- —
- 30 октября 2026
- —
- 31 октября 2026
- —
- 1 ноября 2026
- —
Полные дни — из истории звёзд GitHub; сегодня и прогнозы исключены из сравнения. История проверена: 25 сентября 2026, 00:05 UTC. Источники и ограничения замеров →
Три GitHub-находки в каждом выпуске
Что делают, почему набирают интерес и что проверить перед использованием.
Выпуски в 10:00, 16:00, 22:00 МСК.
Цифры
- Всего звёзд
- 95
- Сегодня
- +0 звёзд за 2026-09-29 (UTC), к вечеру ≈ 0
- Форков
- 9
- Issues и pull requests
- 3
- Наблюдателей
- 0
- Язык
- Python
- Лицензия
- Apache-2.0
- Создан
- 14 сентября 2026
- Последний коммит
- 14 сентября 2026
Доверие к звёздам
Рост выглядит естественно: форков и обсуждений столько, сколько бывает у живых проектов, а звёзды приходят неровно, как от людей.
Это эвристики, а не приговор: судим по поведению репозитория, а не по списку звездивших.
Где замечен
- 19 сентября 2026Топ новых репозиториев за неделю: #191
- 18 сентября 2026Топ новых репозиториев за неделю: #176
- 17 сентября 2026Топ новых репозиториев за неделю: #186
Бейдж для README
Вставьте в README — бейдж сам показывает свежую магнитуду и ведёт на эту страницу.
[](https://gitnova.dev/r/yifanzhang-pro/FlashREINFORCE)