#llm-training Repositories
Entdecke 58 aktive Open-Source-GitHub-Repositories, die mit #llm-training getaggt sind und insgesamt 316,620 Sterne gesammelt haben (durchschnittlich 5,458 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist karpathy/nanochat mit 60,746 Sternen.
Insgesamt 59 Repositories
Dieses Projekt zielt darauf ab, die technischen Prinzipien und praktischen Erfahrungen im Zusammenhang mit großen Modellen zu teilen (Industrialisierung großer Modelle, praktische Anwendung großer Modelle).
Low-Code-Framework zum Erstellen benutzerdefinierter LLMs, neuronaler Netze und anderer KI-Modelle
Die KI-Compute-Plattform für Spitzenteams. SkyPilot verwandelt fragmentierte KI-Rechenleistung in einen KI-Supercomputer, sodass Spitzenteams schneller maßgeschneiderte Intelligenz entwickeln.
Minimaler, sauberer Code für den Byte Pair Encoding (BPE)-Algorithmus, der häufig bei der LLM-Tokenisierung verwendet wird.
《AI-Infrastruktur tiefgehend verstehen: Quantitative Analyse und Systemdesign》 (von Li Bojie), ein Open-Source-Buchmanuskript: Ausgehend von Hardwarebeschränkungen und Modellarchitekturen wird das Design von LLM-Inferenz- und Trainingssystemen quantitativ hergeleitet. Enthält den vollständigen Buchtext, ein PDF, zugehörige Berechnungstools und Experimente.
H2O LLM Studio – ein Framework und eine No-Code-GUI zum Fine-Tuning von LLMs. Dokumentation: https://docs.h2o.ai/h2o-llmstudio/
Meta Lingua: eine schlanke, effiziente und leicht zu erweiternde Codebasis zur Erforschung von LLMs.
Miles ist ein auf Unternehmen ausgelegtes Verstärkungslern-Framework für die Nachtrainierung von LLM und VLM, abgezweigt von und gemeinsam mit slime weiterentwickelt.
OpenLake ist eine Hochleistungs-Speicher-Engine für effiziente LLM-Inferenz und GPU-Training
Große Modelle von Grund auf neu bauen: Eine komplette Praxis von Pretraining bis RLHF
Codebeispiele und Ressourcen für DBRX, ein großes Sprachmodell, das von Databricks entwickelt wurde
verl-agent ist eine Erweiterung von veRL, die für das Training von LLM/VLM-Agenten über RL entwickelt wurde. verl-agent ist auch der offizielle Code für die Veröffentlichung "Group-in-Group Policy Optimization for LLM Agent Training"
Das offizielle Repository von Pai-Megatron-Patch für das groß angelegte Training von LLM & VLM, entwickelt von Alibaba Cloud.
NVIDIA-GPU-Exporter für Prometheus unter Verwendung der nvidia-smi-Binärdatei ODER von NVML
Laufende Forschung trainiert Transformer-Sprachmodelle in großem Maßstab, einschließlich: BERT & GPT-2
Atropos ist ein Framework für Language Model Reinforcement Learning Umgebungen zum Sammeln und Bewerten von LLM-Trajektorien in verschiedenen Umgebungen
GraphGen: Verbesserung des überwachten Fine-Tunings für LLMs mit wissensgesteuerter Generierung synthetischer Daten
GigaTrain: Ein effizientes und skalierbares Trainings-Framework für KI-Modelle
"AI-Compass" wird der Community die Richtung vorgeben, wie sie im Ozean der KI-Technologien navigiert. Ob Sie Anfänger oder fortgeschrittener Entwickler sind, hier finden Sie Wege zu allen wichtigen KI-Entwicklungen. Ziel ist es, Entwicklern zu helfen, KI’s zentrale Konzepte, Haupttechnologien und Zukunftstrends systematisch zu verstehen und durch Praxis den gesamten Prozess vom Theoriebereich bis hin zur Umsetzung zu beherrschen.
[ICLR 2026] Zur Generalisierung von SFT: Eine Perspektive des Reinforcement Learning mit Belohnungsrectifizierung.
Eine kuratierte Sammlung von Papieren, technischen Berichten, Frameworks und Tools für die On-Policy-Destillation (OPD) großer Sprachmodelle
Deep Learning für Dummies. Alle praktischen Details und nützlichen Hilfsmittel, die für die Arbeit mit realen Modellen erforderlich sind.
Dies ist ein Projekt zum Trainieren von großen Sprachmodellen von Grund auf, einschließlich Vortraining, Fine-Tuning und direkter Präferenzoptimierung, wobei das Modell 1 Milliarde Parameter hat und Chinesisch und Englisch unterstützt.
Adan: Adaptive Nesterov Momentum Algorithm für schnelleres Optimieren tiefer Modelle
LLM-Algorithmen und -Systeme praxisnah mit PyTorch, Triton und CUDA. „Tutorial zu LLM-Algorithmen und -Systemen“: Modellarchitekturen und Training, Post-Training, Inferenzbeschleunigung, Leistungs- und Operatoroptimierung – inklusive Notebook-Übungen, Antworterklärungen, Tests und Experimenten.
LLM-PowerHouse: Entfesseln Sie das Potenzial von LLMs durch kuratierte Tutorials, Best Practices und gebrauchsfertigen Code für benutzerdefiniertes Training und Inferenz.
Häufig gestellte Fragen
Welches ist das beliebteste #llm-training-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#llm-training-Projekt auf GitHub ist karpathy/nanochat mit 60,746 Sternen. Das beste ChatGPT, das man für 100 $ kaufen kann.
Welche Programmiersprachen werden in #llm-training-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #llm-training-Projekten auf GitHub sind Python, Jupyter Notebook, Go, Cuda die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #llm-training-Repositories berechnet?
Wir verfolgen 58 aktive Open-Source-Repositories, die mit #llm-training getaggt sind (500+ Sterne), mit insgesamt 316,620 Sternen und durchschnittlich 5,458 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.