yifanzhang-pro/FlashREINFORCE
FlashREINFORCE: Critic-Free, Single-Rollout, Asynchronous RL for Agentic Language Models
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.
Почему он в тренде
- Сегодня уже 1 звезда, к концу дня ожидается около 1.
- Репозиторию 4 дня, а у него уже 56 звёзд.
Звёзды по дням
Столбики — звёзды за день, линия — обычный темп. Красным — дни всплесков.
Цифры
- Всего звёзд
- 56
- Звёзд за сутки
- 1
- Форков
- 6
- 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
- 18 сентября 2026Топ новых репозиториев за неделю: #176
- 17 сентября 2026Топ новых репозиториев за неделю: #186
Поделиться
Бейдж для README
Вставьте в README — бейдж сам показывает свежую магнитуду и ведёт на эту страницу.
[](https://gitnova.dev/r/yifanzhang-pro/FlashREINFORCE)Похожие проекты
-
8,6
TheoLeeCJ/SemIf
Открытая реализация интерфейса семантических решений в стиле Jev: читает вероятности типизированных опций напрямую из логитов 4B-модели без генерации текста. Работает на одной RTX 3090.
-
7,1
vinnylarouge/jevlike
Небольшая обучаемая модель, выбирающая один вариант из меняющегося списка текстовых опций за один проход — открытая альтернатива коммерческой Jev от TypeSafe. Для разработчиков, кому нужна быстрая классификация или…
-
6,9
Continuum-AI-Corp/OrcaBonsai-27B-Uncensored
Инструмент для отключения отказов у сжатой LLM Ternary Bonsai 2 27B во время инференса: проекция residual-потока убирает направление отказа без изменения или переквантования весов. Работает на Apple Silicon через MLX.
-
6,4
TianyuCodings/NanoJev
Реплика модели Jev на базе Qwen3-0.6B: выдаёт распределения вероятностей по кандидатам за один forward-проход без декодирования токенов, с пайплайном обучения и демо на играх (лабиринт, Snake).
-
6,3
zhengkid/Dream-RSI
Исследовательский проект о рекурсивном самоулучшении: история прошлых циклов поиска превращается в replay-симулятор, по которому оценивают и улучшают стратегии исследования. Код ещё готовится к публикации, доступны…
-
5,0
ekzhang/openjev-sglang
HTTP-сервер, реализующий API TypeSafe/Jev для структурированной классификации текста на базе Qwen3.6-35B-A3B и SGLang; возвращает вероятности ответов без генерации цепочки рассуждений.