Kvax是为JAX框架打造的高效FlashAttention实现，专为长序列和分布式训练优化。它通过支持高效文档掩码计算、实现上下文并行化以及优化长序列处理性能，显著提升了训练效率和内存利用率。
gla-jax是一个基于JAX和pallas的Gated Linear Attention (GLA)核实现，专注于为长序列处理提供高效解决方案。它通过多种GLA实现和内存优化技术，显著提升了序列处理的性能和效率。
JaxIRL是一个在JAX框架中实现的反向强化学习(IRL)算法，能够以极高的效率训练模型，支持多种算法，具有灵活性和可扩展性。
一个用于强化学习与人工反馈（RLHF）的框架，旨在简化不同 RLHF 技术的集成，提供模块化和组合式的实验能力，适用于研究人员和实践者。该框架通过模块化设计，支持多种实验能力，灵活配置选项，方便用户根据不同需求进行调整和优化。
Gigastep是一个高效的多智能体强化学习框架，能够每秒处理高达10亿步的训练，支持灵活的配置选项，并且易于与现有的强化学习算法集成。
旨在探索一种新的实验性模型训练流程，以训练高性能的特定任务模型，将训练过程的复杂性抽象化，使从想法到性能优越的完全训练模型的过程尽可能简单。用户只需输入任务描述，系统将从头开始生成数据集，将其解析为正确格式，并微调LLaMA 2模型。
这是一个可扩展且高效的主动学习/数据选择系统，旨在为每个人提供服务，优化数据选择过程，以提高模型训练的效率，并支持用户友好的接口和灵活的集成。
RoboManipBaselines是一个集成了多种模仿学习方法和基准任务环境的软件，旨在为机器人操控提供基准和支持，提升学习效率与准确性。
CodeTF是Salesforce出品的一站式代码类LLM工具库，提供了一套统一的接口用于Code LLM的训练、推导和微调，支持多种模型，易于扩展和集成。
斯坦福开发的一种遵循指令的 LLaMA 模型，基于 Meta 的 LLaMA 7B 模型进行微调，性能接近 OpenAI 的 text-davinci-003，支持在单个 GPU 或 CPU 上运行。
