#fine-tuning Repositories
Entdecke 144 aktive Open-Source-GitHub-Repositories, die mit #fine-tuning getaggt sind und insgesamt 723,118 Sterne gesammelt haben (durchschnittlich 5,021 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist unslothai/unsloth mit 79,885 Sternen.
Insgesamt 144 Repositories
Lokale Benutzeroberfläche zum Ausführen und Trainieren von LLMs und Diffusionsmodellen. Unterstützt GGUF, MLX, Qwen3.8, DeepSeek-V4.1, MiniMax-H3, Gemma 4, FLUX und mehr.
Vereinheitlichte effiziente Feinabstimmung von über 100 LLMs & VLMs (ACL 2024)
ChatGLM-6B: Ein quelloffenes zweisprachiges Dialogsprachenmodell | Offenes zweisprachiges Dialog-Sprachmodell
Eine offene Plattform für das Training, die Bereitstellung und die Bewertung großer Sprachmodelle. Veröffentlichungs-Repository für Vicuna und Chatbot Arena.
Mehrsprachiges großes Sprachgenerierungsmodell, das Full-Stack-Fähigkeiten für Inferenz, Training und Bereitstellung bietet.
🚀 Eine kuratierte Sammlung von Ressourcen, Roadmaps, Tools und Projekten für KI-Engineering mit den Themen LLMs, RAG, KI-Agenten, MCP, Fine-Tuning, Evaluierungen und KI-Systeme im Produktivbetrieb.
Ein leistungsstarkes Tool zur Erstellung von Datensätzen für die Feinabstimmung von LLM、RAG und Eval
Führen Sie beliebige Open-Source-LLMs wie DeepSeek und Llama als OpenAI-kompatiblen API-Endpunkt in der Cloud aus.
Low-Code-Framework zum Erstellen benutzerdefinierter LLMs, neuronaler Netze und anderer KI-Modelle
Feinabstimmung von LLMs aus einem YAML. Layer-Streaming trainiert ein 8B-Modell auf einer 4-GB-Laptop-GPU.
Qwen, Gemma oder jedes offene agentische LLM/VLM ganz einfach feinabstimmen (SFT/RL), evaluieren und bereitstellen!
[ICLR'24 Spotlight] Eine offene Plattform zum Trainieren, Servieren und Bewerten großer Sprachmodelle für das Tool-Lernen.
KI-Systeme erstellen, bewerten und optimieren. Umfasst Evals (Bewertungen), RAG, Agenten, Feinabstimmung (Fine-Tuning), Generierung synthetischer Daten, Dataset-Management, MCP und mehr.
H2O LLM Studio – ein Framework und eine No-Code-GUI zum Fine-Tuning von LLMs. Dokumentation: https://docs.h2o.ai/h2o-llmstudio/
„Große Sprachmodelle“ von: Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong
Verwendung von Bert, ERNIE für die Klassifizierung von chinesischem Text
RAG (Retrieval Augmented Generation) Framework zum Erstellen modularer Open-Source-Anwendungen für die Produktion von TrueFoundry
"Build a Large Language Model (From Scratch)" ist ein E-Book, das tief in die Prinzipien und die Implementierung großer Sprachmodelle eintaucht und sich an Lernende richtet, die die Architekturen, Trainingsprozesse und Anwendungsentwicklung von großen Modellen wie GPT verstehen möchten. Damit mehr chinesische Leser diese äußerst wertvolle Anleitung erhalten können, habe ich beschlossen, sie ins Chinesische zu übersetzen und über GitHub Open Source zu teilen.
Verwenden und trainieren Sie mühelos hochmoderne späte Interaktionsabrufmethoden (ColBERT) in jeder RAG-Pipeline. Entwickelt für Modularität und einfache Bedienung, gestützt auf Forschung.
Multi-LoRA-Inferenzserver, der bis zu Tausende von feinabgestimmten LLMs skaliert
Ihr Cheat Sheet für das AI Engineering Interview – Fragen und Antworten.
OpenDeepWiki ist die Open-Source-Version des DeepWiki-Projekts mit dem Ziel, eine leistungsstarke Wissensmanagement- und Kollaborationsplattform bereitzustellen. Das Projekt wird hauptsächlich mit C# und TypeScript entwickelt, unterstützt ein modulares Design und ist leicht zu erweitern und anzupassen.
KI-Agent, der Engineering-Aufgaben durchgängig erledigt: integriert sich in die Tools von Entwicklern, plant, führt aus und iteriert, bis ein erfolgreiches Ergebnis erzielt wird.
OneTrainer ist eine All-in-One-Lösung für all Ihre Diffusion-Trainingsbedürfnisse.
Lernen Sie, Ihren Second Brain KI-Assistenten mit LLMs, Agenten, RAG, Fine-Tuning, LLMOps und KI-Systemtechniken zu erstellen.
Ein allgemeines Fine-Tuning-Kit, das auf Bild-/Video-/Audio-Diffusionsmodelle zugeschnitten ist.
Optimierung des Fine-Tuning-Prozesses für multimodale Modelle: PaliGemma 2, Florence-2 und Qwen2.5-VL
Erstellen, personalisieren und steuern Sie Ihre eigenen LLMs. Von der Datenvorverarbeitung bis zum Fine-Tuning bietet xTuring eine einfache Möglichkeit, Open-Source-LLMs zu personalisieren. Treten Sie unserer Discord-Community bei: https://discord.gg/TgHXuSJEk6
Häufig gestellte Fragen
Welches ist das beliebteste #fine-tuning-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#fine-tuning-Projekt auf GitHub ist unslothai/unsloth mit 79,885 Sternen. Lokale Benutzeroberfläche zum Ausführen und Trainieren von LLMs und Diffusionsmodellen. Unterstützt GGUF, MLX, Qwen3.8, DeepSeek-V4.1, MiniMax-H3, Gemma 4, FLUX und mehr.
Welche Programmiersprachen werden in #fine-tuning-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #fine-tuning-Projekten auf GitHub sind Python, Jupyter Notebook, Rust, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #fine-tuning-Repositories berechnet?
Wir verfolgen 144 aktive Open-Source-Repositories, die mit #fine-tuning getaggt sind (500+ Sterne), mit insgesamt 723,118 Sternen und durchschnittlich 5,021 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.