#instruction-tuning Repositories
Entdecke 73 aktive Open-Source-GitHub-Repositories, die mit #instruction-tuning getaggt sind und insgesamt 461,684 Sterne gesammelt haben (durchschnittlich 6,324 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist rasbt/LLMs-from-scratch mit 108,745 Sternen.
Insgesamt 73 Repositories
Implementieren Sie Schritt für Schritt ein ChatGPT-ähnliches LLM in PyTorch von Grund auf neu
Vereinheitlichte effiziente Feinabstimmung von über 100 LLMs & VLMs (ACL 2024)
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) wurde für Fähigkeiten auf GPT-4V-Niveau und darüber hinaus entwickelt.
:sparkles::sparkles:Neueste Fortschritte bei multimodalen großen Sprachmodellen
Die offizielle GitHub-Seite für die Übersichtsstudie „A Survey of Large Language Models“.
🎉 Repo für LaWGPT, Chinese-Llama, gestimmt mit chinesischem juristischem Wissen. Großes Sprachmodell, das auf chinesischem juristischem Wissen basiert.
[ICLR 2024] Fine-Tuning von LLaMA zur Befolgung von Anweisungen innerhalb von 1 Stunde und 1,2 Mio. Parametern
[ICLR'24 Spotlight] Eine offene Plattform zum Trainieren, Servieren und Bewerten großer Sprachmodelle für das Tool-Lernen.
Code und Modelle für die ICML 2024-Arbeit, NExT-GPT: Any-to-Any Multimodales großes Sprachmodell
Zusammenfassung von Prompt & LLM-Papieren, Open-Source-Daten & -Modellen, AIGC-Anwendungen
【EMNLP 2024🔥】Video-LLaVA: Erlernen einer vereinigten visuellen Darstellung durch Ausrichtung vor der Projektion
🔥🔥🔥 [IEEE TCSVT] Neueste Arbeiten, Codes und Datensätze zu Vid-LLMs.
Otter, ein multimodales Modell, das auf OpenFlamingo basiert (Open-Source-Version von DeepMinds Flamingo), trainiert auf MIMIC-IT und zeigt verbesserte Anweisungsbefolgung und In-Context-Lernfähigkeit.
InternLM-XComposer2.5-OmniLive: Ein umfassendes multimodales System für langfristige Streaming-Video- und Audiointeraktionen
Cambrian-1 ist eine Familie multimodaler LLMs mit einem visionzentrierten Design.
Synthetische Datenkuratur für Post-Training und die Extraktion strukturierter Daten
OpenCodeInterpreter ist eine Reihe von Open-Source-Codegenerierungssystemen, die darauf abzielen, die Lücke zwischen großen Sprachmodellen und hochentwickelten proprietären Systemen wie dem GPT-4 Code Interpreter zu schließen. Es verbessert die Codegenerierungsfähigkeiten erheblich durch die Integration von Ausführungs- und iterativen Verfeinerungsfunktionalitäten.
Eine Leseliste zur Generierung synthetischer Daten auf Basis von LLM 🔥
HuatuoGPT, auf dem Weg, Sprachmodelle zu einem Arzt zu zähmen. (Ein offenes medizinisches GPT)
Granite Code Models: Eine Familie von offenen Foundation-Modellen für Code Intelligence
Eine Sammlung von Open-Source-Datensätzen zum Trainieren von instruktionsfolgenden LLMs (ChatGPT, LLaMA, Alpaca)
DataDreamer: Anweisung. Synthetische Daten generieren. Modelle trainieren und ausrichten. 🤖💤
Multimodales Chain-of-Thought Reasoning: Eine umfassende Übersichtsarbeit
LLMs-Tuning ohne Tränen💦; Sample Design Engineering (SDE) für effizienteres Downstream-Tuning.
[ICML2024 (Oral)] Offizielle PyTorch-Implementierung von DoRA: Gewichtsdekomponierte Low-Rank-Adaption
Häufig gestellte Fragen
Welches ist das beliebteste #instruction-tuning-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#instruction-tuning-Projekt auf GitHub ist rasbt/LLMs-from-scratch mit 108,745 Sternen. Implementieren Sie Schritt für Schritt ein ChatGPT-ähnliches LLM in PyTorch von Grund auf neu
Welche Programmiersprachen werden in #instruction-tuning-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #instruction-tuning-Projekten auf GitHub sind Python, Jupyter Notebook, Rust, TeX die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #instruction-tuning-Repositories berechnet?
Wir verfolgen 73 aktive Open-Source-Repositories, die mit #instruction-tuning getaggt sind (500+ Sterne), mit insgesamt 461,684 Sternen und durchschnittlich 6,324 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.