# yifanzhang-pro/KLPO > KLPO — метод обучения с подкреплением без критика и с одним роллаутом на промпт для агентных языковых моделей: вместо value-модели и групп ответов используются token regression и оценка KL по Монте-Карло. Репозиторий содержит реализацию лосса, CPU-тесты и интеграцию с тренером Molt. - Магнитуда: 0,0 из 10 — Тихо - Звёзды: 182 всего · Недостаточно замеров за сегодня - Доверие к звёздам: рост звёзд выглядит естественно - Категория: Языковые модели · Язык: Python · Лицензия: Apache-2.0 · Создан: 2026-09-19 · Последний коммит: 2026-09-21 - GitHub: https://github.com/yifanzhang-pro/KLPO · Сайт: https://yifanzhang-pro.github.io/KLPO/ · Страница: https://gitnova.dev/r/yifanzhang-pro/KLPO ## Чем пригодится - Обучить агентную LLM с лоссом KLPO через готовый лаунчер Molt - Запустить CPU-пример и проверить все восемь комбинаций route/estimator - Сравнить оценки MC-KL, TopK-KL, Binary KL и Full KL на небольшой политике ## Как начать ```sh git clone https://github.com/yifanzhang-pro/KLPO.git cd KLPO python -m venv .venv source .venv/bin/activate pip install -e '.[test]' python examples/train_toy.py # Default: token regression + MC-KL, M=128 python examples/train_toy.py --mc-samples 1 python -m pytest -q ``` Дословно из раздела README «quick start». GitNova эти команды не запускал: перед запуском сверьте с оригиналом: https://github.com/yifanzhang-pro/KLPO#readme ## Почему он здесь - Для сегодняшнего дня UTC пока недостаточно свежих замеров счётчика. Прирост неизвестен. - Репозиторию 16 дней, а у него уже 182 звезды. ## Доверие к звёздам Рост звёзд выглядит естественно. Метки доверия к звёздам — эвристики по поведению репозитория, а не проверка каждого, кто поставил звезду. ## Цифры - Форков: 16 - Issues и pull requests: 1 - Наблюдателей: 2 - В среднем за неделю: 0 в день - Обычный темп: 9 в день ## Звёзды по дням за 30 дней (от старых к новым, сегодня — неполный день) 2026-10-18 … 2026-11-16: 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 14 дней 09-22 5,6, 09-23 2,3, 09-24 0,5, 09-25 0,4, 09-26 0,1, 09-27 0,4, 09-28 0,4, 09-29 0,0, 09-30 0,0, 10-01 0,0, 10-02 0,0, 10-03 0,0, 10-04 0,0, 10-05 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 2026-10-05 23:47 UTC, обновление каждые 30 минут.