# yifanzhang-pro/FlashREINFORCE

> 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.

- Магнитуда: 0,0 из 10 — Ровно
- Звёзды: 95 всего · +0 звёзд за 2026-09-29 (UTC), к вечеру ≈ 0
- Доверие к звёздам: рост звёзд выглядит естественно
- Категория: Языковые модели · Язык: Python · Лицензия: Apache-2.0 · Создан: 2026-09-14 · Последний коммит: 2026-09-14
- GitHub: https://github.com/yifanzhang-pro/FlashREINFORCE · Сайт: https://yifanzhang-pro.github.io/FlashREINFORCE/ · Страница: https://gitnova.dev/r/yifanzhang-pro/FlashREINFORCE

## 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

## Почему он здесь

- Репозиторию 15 дней, а у него уже 95 звёзд.

## Доверие к звёздам

Рост звёзд выглядит естественно.

Метки доверия к звёздам — эвристики по поведению репозитория, а не проверка каждого, кто поставил звезду.

## Цифры

- Форков: 9
- Issues и pull requests: 3
- Наблюдателей: 0
- В среднем за неделю: 0 в день
- Обычный темп: 6 в день

## Звёзды по дням за 30 дней (от старых к новым, сегодня — неполный день)

2026-10-04 … 2026-11-02: None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None, None

## Магнитуда по дням за 13 дней

09-17 0,8, 09-18 0,8, 09-19 1,1, 09-20 1,0, 09-21 2,0, 09-22 1,7, 09-23 0,4, 09-24 0,4, 09-25 0,0, 09-26 0,0, 09-27 0,0, 09-28 0,0, 09-29 0,0

---

Магнитуда (0–10) — насколько быстро и необычно сейчас растёт интерес к репозиторию. Это не оценка качества.
Дни — по UTC. «Уже сегодня» — факт, «к вечеру ≈» — прогноз.
Описания и сценарии пишет модель (DeepSeek V4.1 Flash) по README, в деталях возможны ошибки: конкретные утверждения (замеры, скорость, железо) проверяйте в самом репозитории.
Данные на 2026-09-29 08:20 UTC, обновление каждые 30 минут.