#language-model Repositories
Entdecke 139 aktive Open-Source-GitHub-Repositories, die mit #language-model getaggt sind und insgesamt 925,052 Sterne gesammelt haben (durchschnittlich 6,655 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist microsoft/generative-ai-for-beginners mit 123,942 Sternen.
Insgesamt 139 Repositories
21 Lektionen, Erste Schritte beim Erstellen mit generativer KI
Implementieren Sie Schritt für Schritt ein ChatGPT-ähnliches LLM in PyTorch von Grund auf neu
🐙 Leitfäden, wissenschaftliche Arbeiten, Lektionen, Notebooks und Ressourcen für Prompt Engineering, Context Engineering, RAG und KI-Agenten.
Das offizielle gpt4free-Repository | verschiedene Sammlung leistungsstarker Sprachmodelle | opus 4.6 gpt 5.3 kimi 2.5 deepseek v3.2 gemini 3
OpenAssistant ist ein Chat-basierter Assistent, der Aufgaben versteht, mit Drittsystemen interagieren und dynamisch Informationen abrufen kann, um dies zu tun.
Code und Dokumentation zum Trainieren der Alpaca-Modelle von Stanford und zum Generieren der Daten.
📦 Repomix ist ein leistungsstarkes Werkzeug, das Ihr gesamtes Repository in eine einzige, KI-freundliche Datei packt. Perfekt für Situationen, in denen Sie Ihren Code mit Large Language Models (LLMs) oder anderen KI-Tools wie Claude, ChatGPT, DeepSeek, Perplexity, Gemini, Gemma, Llama, Grok und mehr füttern müssen.
Das KI-Toolkit für TypeScript. Von den Machern von Next.js ist das KI-SDK eine kostenlose Open-Source-Bibliothek zum Erstellen KI-gestützter Anwendungen und Agenten
Private KI-Plattform für Agenten, Assistenten und Unternehmenssuche. Integrierter Agent Builder, Tiefenrecherche, Dokumentenanalyse, Unterstützung mehrerer Modelle und API-Konnektivität für Agenten.
RWKV (ausgesprochen RwaKuv) ist ein RNN mit großartiger LLM-Leistung, das auch direkt wie ein GPT-Transformer trainiert werden kann (parallelisierbar). Wir sind bei RWKV-7 "Goose". Es kombiniert also das Beste aus RNN und Transformer - großartige Leistung, lineare Zeit, konstanter Speicherplatz (kein kv-Cache), schnelles Training, unendliche ctx_len und kostenlose Satz-Einbettung.
All-in-One-KI-Framework für semantische Suche, LLM-Orchestrierung und Sprachmodell-Workflows
Code für loralib, eine Implementierung von "LoRA: Low-Rank Adaptation of Large Language Models"
💥 Schnelle State-of-the-Art-Tokenizers, optimiert für Forschung und Produktion
ChatRWKV ist wie ChatGPT, aber angetrieben von einem RWKV (100% RNN) Sprachmodell und Open Source.
Ein erweiterbares Toolkit für das Finetuning und die Inferenz großer Grundmodelle. Große Modelle für alle.
Qingjian: eine in Rust geschriebene Pinyin-Eingabemethode, die neben jedem Kandidatenwort eine Übersetzung in der gerade gelernten Sprache anzeigt
Eine Implementierung von modellparallelen autoregressiven Transformatoren auf GPUs, basierend auf den Bibliotheken Megatron und DeepSpeed
ein hochmodernes offenes visuelles Sprachmodell | multimodales vortrainiertes Modell
Ein Open-Source-Framework für datenzentrierte, sich selbst entwickelnde autonome Sprachagenten
Kodezi Chronos ist ein Debugging-zentriertes Sprachmodell, das auf SWE-bench Lite (80,33 %) hochmoderne Ergebnisse und eine 67%ige Fehlerbehebungsgenauigkeit in der realen Welt erzielt, was über sechsmal besser ist als GPT-4. Es wurde mit Adaptiver Graph-Geführter Abfrage und Persistentem Debug-Speicher entwickelt. Das Modell wird im 1. Quartal 2026 über Kodezi OS verfügbar sein.
[COLM 2024] OpenAgents: Eine offene Plattform für Sprachagenten in der Praxis
„Große Sprachmodelle“ von: Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong
Chinesisches Sprachverständnis-Bewertungsbenchmark: Datensätze, Baselines, vortrainierte Modelle, Corpus und Leaderboard
Baue ein modernes LLM von Grund auf. Jede Zeile kommentiert. Erklärt wie für Fünfjährige.
Ein Open-Source-Framework für das Training großer multimodaler Modelle.
Dies ist ein Buch über die Phi-Modellfamilie, um mit Phi-Modellen zu beginnen. Phi ist eine Familie von Open-Source-KI-Modellen, die von Microsoft entwickelt wurden. Phi-Modelle sind die leistungsfähigsten und kostengünstigsten verfügbaren Small Language Models (SLMs) und übertreffen Modelle gleicher Größe und nächstgrößerer Modelle in einer Vielzahl von Benchmarks für Sprache, Schlussfolgerung, Codierung und Mathematik.
[NeurIPS 2024] OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments
Chinesische LLaMA 1&2, Chinesische Falcon Basismodelle; ChatFlow chinesisches Dialogmodell; Chinesisches OpenLLaMA-Modell; NLP-Vortraining/Anweisungsfeinabstimmung Datensätze
InternLM-XComposer2.5-OmniLive: Ein umfassendes multimodales System für langfristige Streaming-Video- und Audiointeraktionen
Beispiele, End-to-End-Anleitungen und Anwendungen, die mit den Liquid AI Foundational Models (LFM) und dem LEAP SDK erstellt wurden
[ICLR 2024] Offizielle Implementierung von „ 🦙 Time-LLM: Zeitreihenvorhersage durch Neukodierung großer Sprachmodelle“
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 #language-model-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#language-model-Projekt auf GitHub ist microsoft/generative-ai-for-beginners mit 123,942 Sternen. 21 Lektionen, Erste Schritte beim Erstellen mit generativer KI
Welche Programmiersprachen werden in #language-model-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #language-model-Projekten auf GitHub sind Python, Jupyter Notebook, TypeScript, Rust die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #language-model-Repositories berechnet?
Wir verfolgen 139 aktive Open-Source-Repositories, die mit #language-model getaggt sind (500+ Sterne), mit insgesamt 925,052 Sternen und durchschnittlich 6,655 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.