#llm-fine-tuning Repositories
Entdecke 60 aktive Open-Source-GitHub-Repositories, die mit #llm-fine-tuning getaggt sind und insgesamt 139,572 Sterne gesammelt haben (durchschnittlich 2,326 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist Jiayi-Pan/TinyZero mit 13,259 Sternen.
Insgesamt 60 Repositories
KI Intensivkurs, der vielbeschäftigten Bauherren hilft, in 2 Wochen den Anschluss an die öffentliche KI-Forschung zu finden
🎉 Repo für LaWGPT, Chinese-Llama, gestimmt mit chinesischem juristischem Wissen. Großes Sprachmodell, das auf chinesischem juristischem Wissen basiert.
Dies ist eine Schritt-für-Schritt-Anleitung für den Einstieg in KI/LLM-große Modelle, die Tutorials und Demo-Code enthält. Sie führt Sie von APIs zur lokalen Bereitstellung und Feinabstimmung großer Modelle. Die Code-Dateien werden in Online-Versionen für Kaggle oder Colab bereitgestellt, sodass Sie auch ohne Grafikkarte lernen können. Das Projekt enthält außerdem einen kleinen Code-Spielplatz 🎡, auf dem Sie interessante KI-Skripte ausprobieren können. Gleichzeitig enthält es eine vollständige chinesische gespiegelte Version der Hausaufgaben aus Hung-Yi Lees "Einführung in die generative KI 2024"-Kurs.
Referenzimplementierung für DPO (Direct Preference Optimization)
Dies beinhaltet die ursprüngliche Implementierung von SELF-RAG: Learning to Retrieve, Generate and Critique through self-reflection von Akari Asai, Zeqiu Wu, Yizhong Wang, Avirup Sil und Hannaneh Hajishirzi.
Fragen und Antworten zu Large-Model-Algorithmus-Stelleninterviews: Häufige Fragen und Konzepterklärungen „Large-Model-Interviewfragen“, „Algorithmus-Stelleninterview“, „Häufige Interviewfragen“, „Large-Model-Algorithmus-Interview“, „Grundlagen der Large-Model-Anwendung“
OpenR: Ein Open-Source-Framework für fortgeschrittene Schlussfolgerungen mit großen Sprachmodellen
Eine sehr einfache GRPO-Implementierung zur Reproduktion von r1-ähnlichem LLM-Denken.
[ICLR2026] Dies ist das erste Papier, das untersucht, wie man R1‑ähnliches RL effektiv für MLLMs einsetzen kann und Vision‑R1 vorstellt, ein rationsierendes MLLM, das kalte Startinitialisierung und RL‑Training nutzt, um die Denkfähigkeit zu fördern.
Ein Fork zum Hinzufügen des multimodalen Modelltrainings zu open-r1
InstructLab Core-Paket. Verwenden Sie dies, um mit einem Modell zu chatten und den InstructLab-Workflow auszuführen, um ein Modell mit benutzerdefinierten Taxonomiedaten zu trainieren.
Liste großartiger Plattformen, Tools und Ressourcen zum lokalen Betrieb von LLMs
ChatLLaMA 📢 Open-Source-Implementierung für LLaMA-basiertes ChatGPT, das auf einer einzelnen GPU ausgeführt werden kann. 15x schnellerer Trainingsprozess als ChatGPT
Schnellstart für große Sprachmodelle (Theoretisches Lernen und praktische Feinabstimmung)
LLMs-Tuning ohne Tränen💦; Sample Design Engineering (SDE) für effizienteres Downstream-Tuning.
Video-R1: Verstärkung der Videobegründung in MLLMs [🔥das erste Paper, das R1 für Videos erforscht]
Notebooks für die Spezialisierung auf Große Sprachmodelle (LLMs)
Chat-Zhen Huan ist ein Chat-Sprachmodell, das durch LoRA-Feinabstimmung von ChatGLM2 unter Verwendung aller Dialoge und Sätze über Zhen Huan aus dem Drehbuch von "The Legend of Zhen Huan" erhalten wurde, um Zhen Huans Tonfall zu imitieren.
Code für Paper: Training von Software Engineering Agents und Verifizierern mit SWE-Gym [ICML 2025]
Die Kraft des bestärkenden Lernens für Mathematik- und Code-Reasoning-Systeme freisetzen
OpenTinker ist eine RL-als-Dienstleistung (RLaaS)-Infrastruktur für Grundlagenmodelle
Anleitung zum Feinabstimmen von Llama/Mistral/CodeLlama-Modellen und mehr
Feinabstimmung großer Sprachmodelle, Qwen2VL, Qwen2, GLM4-Instruktions-Feinabstimmung
Häufig gestellte Fragen
Welches ist das beliebteste #llm-fine-tuning-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#llm-fine-tuning-Projekt auf GitHub ist Jiayi-Pan/TinyZero mit 13,259 Sternen. Minimale Reproduktion von DeepSeek R1-Zero
Welche Programmiersprachen werden in #llm-fine-tuning-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #llm-fine-tuning-Projekten auf GitHub sind Python, Jupyter Notebook, Roff, HTML die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #llm-fine-tuning-Repositories berechnet?
Wir verfolgen 60 aktive Open-Source-Repositories, die mit #llm-fine-tuning getaggt sind (500+ Sterne), mit insgesamt 139,572 Sternen und durchschnittlich 2,326 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.