Высокопроизводительная платформа RLHF с ускорением Ray+vLLM. Используется для обучения PPO, GRPO, RLOO, DPO больших моделей (7B-70B+). Построен на базе Ray, vLLM, ZeRO-3. В 2 раза быстрее, чем DeepSpeedChat, благодаря распределенной архитектуре и совместному использованию ресурсов графического процессора.
Быстро установите AI-навык openrlhf-training в вашу среду разработки через командную строку
Источник: ovachiever/droid-tings.
OpenRLHF is a Ray-based RLHF framework optimized for distributed training with vLLM inference acceleration.
Workflow 1: Full RLHF pipeline (SFT → Reward Model → PPO)
Hybrid Engine GPU sharing: See references/hybrid-engine.md for vLLM sleep mode, DeepSpeed sleep mode, and optimal node allocation.
Высокопроизводительная платформа RLHF с ускорением Ray+vLLM. Используется для обучения PPO, GRPO, RLOO, DPO больших моделей (7B-70B+). Построен на базе Ray, vLLM, ZeRO-3. В 2 раза быстрее, чем DeepSpeedChat, благодаря распределенной архитектуре и совместному использованию ресурсов графического процессора. Источник: ovachiever/droid-tings.
Стабильные поля и команды для ссылок в AI/поиске.
npx skills add https://github.com/ovachiever/droid-tings --skill openrlhf-trainingВысокопроизводительная платформа RLHF с ускорением Ray+vLLM. Используется для обучения PPO, GRPO, RLOO, DPO больших моделей (7B-70B+). Построен на базе Ray, vLLM, ZeRO-3. В 2 раза быстрее, чем DeepSpeedChat, благодаря распределенной архитектуре и совместному использованию ресурсов графического процессора. Источник: ovachiever/droid-tings.
Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.) Скопируйте и выполните эту команду: npx skills add https://github.com/ovachiever/droid-tings --skill openrlhf-training После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw
https://github.com/ovachiever/droid-tings