Git Stars Git Stars

#llm-finetuning Repositories

Entdecke 16 aktive Open-Source-GitHub-Repositories, die mit #llm-finetuning getaggt sind und insgesamt 52,537 Sterne gesammelt haben (durchschnittlich 3,283 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist tloen/alpaca-lora mit 18,987 Sternen.

16
Gesamtzahl der Repositories
52,537
Gesamtanzahl der Sterne
3,283
Durchschnittliche Sterne/Repo
Programmiersprachen: Python Jupyter Notebook

Insgesamt 16 Repositories

1
tloen/alpaca-lora

LLaMA auf Consumer-Hardware trainieren

tloen
⭐ 18,987 Jupyter Notebook 👤 tloen User 🕐 Aktualisiert 2024-07-29 📅 Erstellt 2023-03-13
2
artidoro/qlora

QLoRA: Effizientes Finetuning von quantisierten LLMs

artidoro
⭐ 10,804 Jupyter Notebook 👤 artidoro User 🕐 Aktualisiert 2024-06-10 📅 Erstellt 2023-05-11
3
meta-pytorch/torchtune

Native PyTorch-Bibliothek für die Post-Training-Optimierung

meta-pytorch
⭐ 5,820 Python 👤 meta-pytorch Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2023-10-20
4
Alpha-VLLM/LLaMA2-Accessory

Ein Open-Source-Toolkit für die LLM-Entwicklung

Alpha-VLLM
⭐ 2,806 Python 👤 Alpha-VLLM Organization 🕐 Aktualisiert 2025-01-13 📅 Erstellt 2023-07-21
5
Unakar/Logic-RL

Reproduzieren Sie R1 Zero im Logikrätsel

Unakar
⭐ 2,451 Python 👤 Unakar User 🕐 Aktualisiert 2025-03-20 📅 Erstellt 2025-02-02
6
brevdev/launchables

Sammlung von Notebook-Anleitungen, erstellt vom Brev.dev-Team!

brevdev
⭐ 1,819 Jupyter Notebook 👤 brevdev Organization 🕐 Aktualisiert 2026-07-21 📅 Erstellt 2023-08-14
7
AnswerDotAI/fsdp_qlora

Training von LLMs mit QLoRA + FSDP

AnswerDotAI
⭐ 1,534 Jupyter Notebook 👤 AnswerDotAI Organization 🕐 Aktualisiert 2024-11-09 📅 Erstellt 2024-01-14
8
xingyaoww/code-act

Offizielles Repository für das ICML 2024 Paper "Executable Code Actions Elicit Better LLM Agents" von Xingyao Wang, Yangyi Chen, Lifan Yuan, Yizhe Zhang, Yunzhu Li, Hao Peng, Heng Ji.

xingyaoww
⭐ 1,515 Python 👤 xingyaoww User 🕐 Aktualisiert 2024-05-23 📅 Erstellt 2024-01-13
9
ARahim3/mlx-tune

LLMs auf deinem Mac mit Apple Silicon fine-tunen. SFT, DPO, GRPO, Vision, TTS, STT, Embedding und OCR-Fine-Tuning — nativ auf MLX. Unsloth-kompatible API.

ARahim3
⭐ 1,475 Python 👤 ARahim3 User 🕐 Aktualisiert 2026-06-23 📅 Erstellt 2026-01-03
10
LiuHC0428/LAW-GPT

Chinesisches juristisches Dialogsprachenmodell

LiuHC0428
⭐ 1,179 Python 👤 LiuHC0428 User 🕐 Aktualisiert 2024-05-13 📅 Erstellt 2023-04-09
12
jzhang38/EasyContext

Speicheroptimierung und Trainingsrezepte zur Extrapolation der Kontextlänge von Sprachmodellen auf 1 Million Token mit minimaler Hardware.

jzhang38
⭐ 751 Python 👤 jzhang38 User 🕐 Aktualisiert 2024-09-27 📅 Erstellt 2024-04-05
13
kuleshov-group/llmtools

Feinabstimmung großer Sprachmodelle auf einer Consumer-GPU in 2 Bits

kuleshov-group
⭐ 734 Python 👤 kuleshov-group Organization 🕐 Aktualisiert 2024-05-25 📅 Erstellt 2023-05-11
14
IEIT-Yuan/Yuan-2.0

Yuan 2.0 Large Language Model

IEIT-Yuan
⭐ 689 Python 👤 IEIT-Yuan Organization 🕐 Aktualisiert 2024-07-11 📅 Erstellt 2023-11-26
15
rohan-paul/LLM-FineTuning-Large-Language-Models

Feinabstimmung von LLMs (Large Language Models)

rohan-paul
⭐ 574 Jupyter Notebook 👤 rohan-paul User 🕐 Aktualisiert 2025-04-01 📅 Erstellt 2023-10-22
16
jihoo-kim/awesome-production-llm

Eine kuratierte Liste großartiger Open-Source-Bibliotheken für Produktions-LLMs

jihoo-kim
⭐ 507 👤 jihoo-kim User 🕐 Aktualisiert 2024-12-31 📅 Erstellt 2024-06-19

Häufig gestellte Fragen

1

Welches ist das beliebteste #llm-finetuning-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#llm-finetuning-Projekt auf GitHub ist tloen/alpaca-lora mit 18,987 Sternen. LLaMA auf Consumer-Hardware trainieren

2

Welche Programmiersprachen werden in #llm-finetuning-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #llm-finetuning-Projekten auf GitHub sind Python, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #llm-finetuning-Repositories berechnet?

Wir verfolgen 16 aktive Open-Source-Repositories, die mit #llm-finetuning getaggt sind (500+ Sterne), mit insgesamt 52,537 Sternen und durchschnittlich 3,283 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.