#fine-tuning Dépôts
Découvrez 144 dépôts GitHub open source actifs associés à #fine-tuning, cumulant 723,118 étoiles au total (soit une moyenne de 5,021 étoiles par projet). Le projet en tête de ce thème est unslothai/unsloth, avec 79,885 étoiles.
144 dépôts au total
Interface locale pour exécuter et entraîner des LLM et des modèles de diffusion. Compatible avec GGUF, MLX, Qwen3.8, DeepSeek-V4.1, MiniMax-H3, Gemma 4, FLUX et bien d’autres.
ChatGLM-6B : Un modèle linguistique de dialogue bilingue open source | Modèle linguistique de dialogue bilingue open source
Une plateforme ouverte pour l'entraînement, le déploiement et l'évaluation de grands modèles linguistiques. Dépôt de publication pour Vicuna et Chatbot Arena.
Modèle de génération vocale multilingue à grande échelle, offrant des capacités full-stack pour l'inférence, la formation et le déploiement.
🚀 Une sélection de ressources, de feuilles de route, d’outils et de projets en ingénierie de l’IA couvrant les LLM, le RAG, les agents d’IA, le MCP, le fine-tuning, les évaluations et les systèmes d’IA en production.
Entraîner des modèles linguistiques Transformer avec l'apprentissage par renforcement.
Un outil puissant pour créer des ensembles de données pour le réglage fin de LLM、RAG et Eval
Exécutez n'importe quel LLM open-source, tel que DeepSeek et Llama, en tant qu'endpoint API compatible avec OpenAI dans le cloud.
Framework low-code pour construire des LLMs personnalisés, des réseaux neuronaux et d'autres modèles d'IA
Affinez les LLM à partir d'un YAML. Le streaming par couches entraîne un modèle 8B sur un GPU de laptop de 4 Go.
Affinez facilement (SFT/RL), évaluez et déployez Qwen, Gemma ou tout LLM/VLM agentique open source !
Ajustement rapide des modèles de diffusion à l'aide de l'adaptation de faible rang.
[ICLR'24 Spotlight] Une plateforme ouverte pour l'entraînement, le service et l'évaluation de grands modèles linguistiques pour l'apprentissage d'outils.
Construire, évaluer et optimiser les systèmes d'IA. Cela comprend les évaluations (evals), le RAG, les agents, l'ajustement précis (fine-tuning), la génération de données synthétiques, la gestion des ensembles de données, le MCP, et plus encore.
H2O LLM Studio - un framework et une interface graphique sans code pour le fine-tuning des LLM. Documentation : https://docs.h2o.ai/h2o-llmstudio/
« Grands Modèles Linguistiques » par : Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong
Utilisation de Bert, ERNIE pour la classification de texte chinois
Framework RAG (Retrieval Augmented Generation) pour la construction d'applications open source modulaires pour la production par TrueFoundry
"Build a Large Language Model (From Scratch)" est un livre électronique qui explore en profondeur les principes et la mise en œuvre des grands modèles linguistiques, s'adressant aux apprenants qui souhaitent comprendre en détail l'architecture, le processus d'entraînement et le développement d'applications de grands modèles tels que GPT. Afin de permettre à davantage de lecteurs chinois d'accéder à ce manuel d'une valeur exceptionnelle, j'ai décidé de le traduire en chinois et de le partager en open source via GitHub.
Utilisez et entraînez facilement des méthodes de récupération à interaction tardive de pointe (ColBERT) dans n'importe quel pipeline RAG. Conçu pour la modularité et la facilité d'utilisation, soutenu par la recherche.
Votre fiche de révision pour l'entretien d'embauche en ingénierie IA – Questions et réponses.
OpenDeepWiki est la version open-source du projet DeepWiki, visant à fournir une plateforme puissante de gestion des connaissances et de collaboration. Le projet est principalement développé en utilisant C# et TypeScript, supporte une conception modulaire et est facile à étendre et à personnaliser.
🔥🔥Bibliothèque de Reconnaissance Faciale Haute Performance sur PaddlePaddle & PyTorch🔥🔥
Agent IA qui gère les tâches d'ingénierie de bout en bout : s'intègre aux outils des développeurs, planifie, exécute et itère jusqu'à l'obtention d'un résultat réussi.
OML 1.0 via Fingerprinting : IA ouverte, monétisable et loyale
OneTrainer est une solution tout-en-un pour tous vos besoins de formation Diffusion.
Interface d'entraînement FLUX LoRA d'une simplicité déconcertante avec prise en charge de faible VRAM
Apprenez à créer votre assistant IA Second Brain avec des LLM, des agents, RAG, le fine-tuning, LLMOps et des techniques de systèmes d'IA.
Framework de Modèles de Pré-entraînement Open Source en PyTorch & Zoo de Modèles Pré-entraînés
Un kit de réglage fin général destiné aux modèles de diffusion d'images/vidéos/audio.
Rationaliser le processus de réglage fin pour les modèles multimodaux : PaliGemma 2, Florence-2 et Qwen2.5-VL
Créez, personnalisez et contrôlez vos propres LLM. Du prétraitement des données au réglage fin, xTuring offre un moyen simple de personnaliser les LLM open-source. Rejoignez notre communauté Discord : https://discord.gg/TgHXuSJEk6
Liste organisée de ressources utiles sur les LLM / l'analytique / la science des données
Foire aux questions
Quel est le dépôt #fine-tuning le plus populaire sur GitHub ?
Le projet #fine-tuning open source le mieux classé sur GitHub est unslothai/unsloth, avec 79,885 étoiles. Interface locale pour exécuter et entraîner des LLM et des modèles de diffusion. Compatible avec GGUF, MLX, Qwen3.8, DeepSeek-V4.1, MiniMax-H3, Gemma 4, FLUX et bien d’autres.
Quels langages de programmation sont les plus utilisés dans les dépôts #fine-tuning ?
Parmi les projets #fine-tuning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Rust, JavaScript.
Comment le classement des dépôts #fine-tuning est-il calculé ?
Nous suivons 144 dépôts open source actifs associés à #fine-tuning (500+ étoiles), totalisant 723,118 étoiles, avec une moyenne de 5,021 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.