Git Stars Git Stars

#sft Repositories

Entdecke 17 aktive Open-Source-GitHub-Repositories, die mit #sft getaggt sind und insgesamt 73,413 Sterne gesammelt haben (durchschnittlich 4,318 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist modelscope/ms-swift mit 16,138 Sternen.

17
Gesamtzahl der Repositories
73,413
Gesamtanzahl der Sterne
4,318
Durchschnittliche Sterne/Repo

Insgesamt 17 Repositories

1
modelscope/ms-swift

Verwenden Sie PEFT oder ein Training mit vollständigen Parametern für CPT/SFT/DPO/GRPO auf über 600 LLMs (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) und über 300 MLLMs (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).

modelscope
⭐ 16,138 Python 👤 modelscope Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2023-08-01
2
adongwanai/AgentGuide

Leitfaden zur Entwicklung von KI-Agenten | Agent Harness | Kontextengineering | Advanced RAG | MCP | Agentic RL (bestärkendes Lernen) | LangGraph in der Praxis | Über 12.000 Interviewfragen zu großen Sprachmodellen | Jobsuche für Stellen in den Bereichen Algorithmen / Entwicklung | Beruflicher Wechsel in den Bereich großer Sprachmodelle

adongwanai
⭐ 12,147 MDX 👤 adongwanai User 🕐 Aktualisiert 2026-11-05 📅 Erstellt 2025-11-03
3
MakazhanAlpamys/Soup

Feinabstimmung von LLMs aus einem YAML. Layer-Streaming trainiert ein 8B-Modell auf einer 4-GB-Laptop-GPU.

MakazhanAlpamys
⭐ 10,703 Python 👤 MakazhanAlpamys User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-02-20
4
oumi-ai/oumi

Qwen, Gemma oder jedes offene agentische LLM/VLM ganz einfach feinabstimmen (SFT/RL), evaluieren und bereitstellen!

oumi-ai
⭐ 9,441 Python 👤 oumi-ai Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2024-05-07
5
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
6
walkinglabs/hands-on-modern-rl

🚀 Ein Open-Source-, praxisorientierter Lehrplan, der die Lücke von grundlegenden RL-Konzepten bis zur LLM-Ausrichtung, RLVR und fortgeschrittenen Agentic-Systemen überbrückt.

walkinglabs
⭐ 4,936 Jupyter Notebook 👤 walkinglabs Organization 🕐 Aktualisiert 2026-10-23 📅 Erstellt 2026-04-10
7
datawhalechina/diy-llm

Behandelt Vortrainingsdaten, Tokenizer, Transformer, MoE, verteiltes Training, Skalierungsgesetze, Inferenz und Alignment. 6 aufeinander aufbauende Programmieraufgaben für das ganzheitliche Lernen von LLMs.

datawhalechina
⭐ 3,035 Jupyter Notebook 👤 datawhalechina Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2025-11-24
8
AI-Hypercomputer/maxtext

Ein einfaches, leistungsstarkes und skalierbares Jax-LLM!

AI-Hypercomputer
⭐ 2,468 Python 👤 AI-Hypercomputer Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2023-02-28
9
ssbuild/chatglm_finetuning

ChatGLM 6B Feinabstimmung und Alpaka Feinabstimmung

ssbuild
⭐ 1,531 Python 👤 ssbuild User 🕐 Aktualisiert 2025-03-09 📅 Erstellt 2023-03-14
10
Alibaba-NLP/ZeroSearch

ZeroSearch: Anreize für die Suchfunktion von LLMs ohne Suchen

Alibaba-NLP
⭐ 1,305 Python 👤 Alibaba-NLP Organization 🕐 Aktualisiert 2025-08-16 📅 Erstellt 2025-05-07
11
InternScience/GraphGen

GraphGen: Verbesserung des überwachten Fine-Tunings für LLMs mit wissensgesteuerter Generierung synthetischer Daten

InternScience
⭐ 1,236 Python 👤 InternScience Organization 🕐 Aktualisiert 2026-11-08 📅 Erstellt 2025-01-08
12
AgileRL/AgileRL

Der vollständige Post-Training-Stack für LLMs, plus RL für jedes Problem. SFT, DPO und mehrstufiges agentisches RL mit integrierter evolutionärer Hyperparameteroptimierung.

AgileRL
⭐ 971 Python 👤 AgileRL Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2023-03-01
13
invergent-ai/surogate

Trainieren und bedienen Sie LLMs mit extremer Geschwindigkeit und enormem Durchsatz.

invergent-ai
⭐ 888 C++ 👤 invergent-ai Organization 🕐 Aktualisiert 2026-11-05 📅 Erstellt 2026-01-02
14
baidu-baige/LoongForge

Ein leistungsstarkes Framework zum Training von LLMs, VLMs, Diffusionsmodellen und verkörperten Modellen auf NVIDIA-GPUs und Kunlun-XPUs. Unterstützt Pi0.5, GR00T-N1.7, FastWAM, Cosmos3, DreamZero, DeepSeek-V4, GLM-5.3, Kimi-K3 und weitere Modelle.

baidu-baige
⭐ 881 Python 👤 baidu-baige Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2026-04-23
15
ScienceOne-AI/DeepSeek-671B-SFT-Guide

Eine Open-Source-Lösung für das Fine-Tuning des vollständigen Parameters von DeepSeek-V3/R1 671B, einschließlich vollständigem Code und Skripten vom Training bis zur Inferenz sowie einiger praktischer Erfahrungen und Schlussfolgerungen.

ScienceOne-AI
⭐ 806 Python 👤 ScienceOne-AI User 🕐 Aktualisiert 2025-03-13 📅 Erstellt 2025-03-07
16
choosewhatulike/trainable-agents

Code und Datensätze für "Character-LLM: Ein trainierbarer Agent für Rollenspiele"

choosewhatulike
⭐ 603 Python 👤 choosewhatulike User 🕐 Aktualisiert 2024-10-29 📅 Erstellt 2023-10-08
17
ukairia777/tensorflow-nlp-tutorial

Ein Deep Learning NLP Repository, das die Textvorverarbeitung, Topic Models und nachgelagerten Aufgaben modernster Modelle wie BERT, GPT und LLMs mit TensorFlow zusammenfasst.

ukairia777
⭐ 580 Jupyter Notebook 👤 ukairia777 User 🕐 Aktualisiert 2026-06-05 📅 Erstellt 2021-12-30

Häufig gestellte Fragen

1

Welches ist das beliebteste #sft-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#sft-Projekt auf GitHub ist modelscope/ms-swift mit 16,138 Sternen. Verwenden Sie PEFT oder ein Training mit vollständigen Parametern für CPT/SFT/DPO/GRPO auf über 600 LLMs (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) und über 300 MLLMs (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).

2

Welche Programmiersprachen werden in #sft-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #sft-Projekten auf GitHub sind Python, Jupyter Notebook, MDX, C++ die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #sft-Repositories berechnet?

Wir verfolgen 17 aktive Open-Source-Repositories, die mit #sft getaggt sind (500+ Sterne), mit insgesamt 73,413 Sternen und durchschnittlich 4,318 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.