unsloth制作了一份关于大模型强化学习的完整指南
Unsloth发布了关于大模型强化学习的完整指南，涵盖目标、关键作用及在AI代理中的应用等内容，并提供了GRPO、RLHF、DPO和奖励函数的相关信息。
NLP工程化
使用强化学习训练 LLM Agents 的资源列表：AgentsMeetRL
GitHub 上的资源列表 AgentsMeetRL 总结了使用强化学习训练 LLM Agents 的开源项目和相关技术信息。
agents-towards-production：帮助开发者将AI代理从概念转化为实际产品
生产级智能体 “Agents Towards Production” 是一个开源项目，提供从概念验证到生产的教程、工具和代码示例，涵盖编排、工具集成、可观测性等多个方面。
Office-PowerPoint-MCP-Server：通过 AI 助手直接创建编辑 PPT
Office-PowerPoint-MCP-Server 功能强大，可通过 MCP 客户端快速安装使用，支持创建、编辑 PPT，涵盖多种元素功能。
Kimi-Dev：强大的开源编程LLM，助力软件开发任务
Kimi-Dev 是一款强大的开源编程LLM，性能超越其他开源模型，在SWE-bench Verified上达到60.4%；支持本地部署和Hugging Face使用，并通过大规模强化学习优化解决方案的准确性和鲁棒性。
SongGeneration：腾讯AI实验室推出的高质量歌曲生成项目
腾讯AI实验室推出的SongGeneration项目基于LeLM框架实现高质量歌曲生成，支持多偏好对齐和多种音乐风格表达，模型性能超越开源模型。
MiniMax-M1：全球首个开源权重的大规模混合注意力推理模型，专为处理长输入和复杂任务而生
全球首个开源权重的大规模混合注意力推理模型MiniMax-M1发布，支持100万token上下文长度，计算效率提升75%，在复杂任务中表现卓越。
