#language-model Repositorios
Descubre 139 repositorios activos de código abierto de GitHub etiquetados con #language-model, que acumulan 925,052 estrellas en total (una media de 6,655 estrellas por proyecto). El líder de este tema es microsoft/generative-ai-for-beginners, con 123,942 estrellas.
139 repositorios en total
🐙 Guías, artículos, lecciones, cuadernos y recursos para la ingeniería de prompts, la ingeniería de contexto, RAG y los agentes de IA.
El repositorio oficial gpt4free | diversas colecciones de modelos de lenguaje potentes | opus 4.6 gpt 5.3 kimi 2.5 deepseek v3.2 gemini 3
OpenAssistant es un asistente conversacional que comprende tareas, puede interactuar con sistemas de terceros y recuperar información dinámicamente para hacerlo.
Código y documentación para entrenar los modelos Alpaca de Stanford y generar los datos.
📦 Repomix es una potente herramienta que empaqueta todo su repositorio en un único archivo amigable con la IA. Perfecto para cuando necesite alimentar su base de código a Modelos de Lenguaje Grandes (LLM) u otras herramientas de IA como Claude, ChatGPT, DeepSeek, Perplexity, Gemini, Gemma, Llama, Grok y más.
El kit de herramientas de IA para TypeScript. De los creadores de Next.js, el SDK de IA es una biblioteca gratuita de código abierto para crear aplicaciones y agentes impulsados por IA
Plataforma de IA privada para agentes, asistentes y búsqueda empresarial. Agent Builder incorporado, investigación profunda, análisis de documentos, soporte multimodelo y conectividad API para agentes.
RWKV (pronunciado RwaKuv) es un RNN con un gran rendimiento de LLM, que también se puede entrenar directamente como un transformer GPT (paralelizable). Estamos en RWKV-7 "Goose". Por lo tanto, combina lo mejor de RNN y transformer: gran rendimiento, tiempo lineal, espacio constante (sin caché kv), entrenamiento rápido, ctx_len infinito y incrustación de oraciones gratuita.
Framework de IA todo en uno para búsqueda semántica, orquestación de LLM y flujos de trabajo de modelos de lenguaje
Código para loralib, una implementación de "LoRA: Low-Rank Adaptation of Large Language Models"
💥 Tokenizadores de vanguardia rápidos optimizados para investigación y producción
ChatRWKV es como ChatGPT pero impulsado por el modelo de lenguaje RWKV (100% RNN) y es de código abierto.
Un kit de herramientas extensible para el ajuste fino y la inferencia de grandes modelos fundacionales. Grandes modelos para todos.
Qingjian: un método de entrada de pinyin escrito en Rust, que muestra junto a cada palabra candidata su traducción al idioma que se está aprendiendo
Una implementación de transformadores autorregresivos de paralelismo de modelo en GPU, basada en las bibliotecas Megatron y DeepSpeed
Traducción automática neuronal de código abierto y modelos de lenguaje (grandes) en PyTorch
un modelo de lenguaje visual abierto de última generación | modelo preentrenado multimodal
SWE-bench: ¿Pueden los modelos de lenguaje resolver problemas reales de Github?
Un marco de código abierto para agentes de lenguaje autónomos autoevolutivos y centrados en datos
Kodezi Chronos es un modelo de lenguaje centrado en la depuración que logra resultados de vanguardia en SWE-bench Lite (80,33 %) y una precisión de corrección en el mundo real del 67 %, más de seis veces mejor que GPT-4. Construido con recuperación adaptativa guiada por grafos y memoria de depuración persistente. El modelo estará disponible en el primer trimestre de 2026 a través de Kodezi OS.
[COLM 2024] OpenAgents: Una plataforma abierta para agentes de lenguaje en la práctica
"Grandes Modelos de Lenguaje" por: Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong
Benchmark de Evaluación de Comprensión del Lenguaje Chino: conjuntos de datos, líneas base, modelos preentrenados, corpus y tabla de clasificación
Construye un LLM moderno desde cero. Cada línea comentada. Explicado como si tuviéramos cinco años.
Un marco de código abierto para entrenar modelos multimodales grandes.
Este es un libro de la familia Phi de SLM para empezar con los modelos Phi. Phi es una familia de modelos de IA de código abierto desarrollados por Microsoft. Los modelos Phi son los modelos de lenguaje pequeños (SLM) más capaces y rentables disponibles, superando a los modelos del mismo tamaño y al siguiente tamaño superior en una variedad de puntos de referencia de lenguaje, razonamiento, codificación y matemáticas.
[NeurIPS 2024] OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments
Inicio de CodeT5: LLM de código abierto para la comprensión y generación de código
Modelos base Chinese-LLaMA 1&2, Chinese-Falcon; Modelo de diálogo chino ChatFlow; Modelo Chinese-OpenLLaMA; Conjuntos de datos de pre-entrenamiento/ajuste fino de instrucciones NLP
InternLM-XComposer2.5-OmniLive: Un sistema multimodal completo para interacciones de audio y video en streaming a largo plazo
Ejemplos, tutoriales de extremo a extremo y aplicaciones creadas utilizando los Modelos Fundacionales de Liquid AI (LFM) y el SDK LEAP
[ICLR 2024] Implementación oficial de " 🦙 Time-LLM: Predicción de series temporales mediante la reprogramación de grandes modelos de lenguaje"
Crea, personaliza y controla tus propios LLM. Desde el preprocesamiento de datos hasta el ajuste fino, xTuring ofrece una forma sencilla de personalizar los LLM de código abierto. Únete a nuestra comunidad de Discord: https://discord.gg/TgHXuSJEk6
Preguntas frecuentes
¿Cuál es el repositorio de #language-model más popular en GitHub?
El proyecto de código abierto de #language-model mejor posicionado en GitHub es microsoft/generative-ai-for-beginners, con 123,942 estrellas. 21 Lecciones, Comienza a Crear con IA Generativa
¿Qué lenguajes de programación se utilizan más en los repositorios de #language-model?
Entre los proyectos de #language-model mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, TypeScript, Rust.
¿Cómo se calcula la clasificación de los repositorios de #language-model?
Seguimos 139 repositorios activos de código abierto etiquetados con #language-model (500+ estrellas), que suman un total de 925,052 estrellas, con una media de 6,655 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.