#instruction-tuning Dépôts
Découvrez 73 dépôts GitHub open source actifs associés à #instruction-tuning, cumulant 461,684 étoiles au total (soit une moyenne de 6,324 étoiles par projet). Le projet en tête de ce thème est rasbt/LLMs-from-scratch, avec 108,745 étoiles.
73 dépôts au total
Implémentez à partir de zéro un LLM de type ChatGPT dans PyTorch, étape par étape
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) a été développé pour des capacités de niveau GPT-4V et au-delà.
:sparkles::sparkles:Dernières avancées sur les grands modèles de langage multimodaux
La page GitHub officielle du document de synthèse "A Survey of Large Language Models".
Traitement des données pour et avec des modèles fondamentaux ! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷
🎉 Dépôt pour LaWGPT, Chinese-Llama affiné avec des connaissances juridiques chinoises. Grand modèle linguistique basé sur les connaissances juridiques chinoises.
[ICLR 2024] Fine-tuning de LLaMA pour suivre les instructions en 1 heure et 1,2 million de paramètres
[ICLR'24 Spotlight] Une plateforme ouverte pour l'entraînement, le service et l'évaluation de grands modèles linguistiques pour l'apprentissage d'outils.
Code et modèles pour l'article ICML 2024, NExT-GPT : Modèle linguistique multimodal Any-to-Any
Résumé des articles Prompt & LLM, données et modèles open source, applications AIGC
【EMNLP 2024🔥】Video-LLaVA : Apprentissage d'une Représentation Visuelle Unifiée par Alignement avant Projection
🔥🔥🔥 [IEEE TCSVT] Derniers articles, codes et ensembles de données sur les Vid-LLMs.
Otter, un modèle multimodal basé sur OpenFlamingo (version open-source de Flamingo de DeepMind), entraîné sur MIMIC-IT et démontrant une capacité améliorée à suivre les instructions et l'apprentissage en contexte.
InternLM-XComposer2.5-OmniLive : Un système multimodal complet pour les interactions audio et vidéo en streaming à long terme
[ECCV2024] Modèles Fondamentaux Vidéo & Données pour la Compréhension Multimodale
Cambrian-1 est une famille de LLM multimodaux avec une conception centrée sur la vision.
Curation de données synthétiques pour le post-entraînement et l'extraction de données structurées
OpenCodeInterpreter est une suite de systèmes open-source de génération de code visant à combler le fossé entre les grands modèles linguistiques et les systèmes propriétaires sophistiqués tels que le GPT-4 Code Interpreter. Il améliore considérablement les capacités de génération de code en intégrant des fonctionnalités d'exécution et de raffinement itératif.
Une liste de lecture sur la génération de données synthétiques basées sur LLM 🔥
Résumer les ensembles de données textuelles LLM représentatifs existants.
HuatuoGPT, vers la domestication des modèles linguistiques pour devenir un médecin. (Un GPT médical ouvert)
Granite Code Models : une famille de modèles fondamentaux ouverts pour l'intelligence du code
Une collection de jeux de données open-source pour entraîner des LLM suivant des instructions (ChatGPT, LLaMA, Alpaca)
DataDreamer: Prompt. Générer des données synthétiques. Entraîner et aligner des modèles. 🤖💤
Raisonnement multimodal à chaînes de pensée : une enquête complète
Optimisation des LLM sans larmes💦 ; Sample Design Engineering (SDE) pour un réglage en aval plus efficace.
[ICML2024 (Oral)] Implémentation officielle PyTorch de DoRA : Adaptation à rang faible décomposée par poids
Foire aux questions
Quel est le dépôt #instruction-tuning le plus populaire sur GitHub ?
Le projet #instruction-tuning open source le mieux classé sur GitHub est rasbt/LLMs-from-scratch, avec 108,745 étoiles. Implémentez à partir de zéro un LLM de type ChatGPT dans PyTorch, étape par étape
Quels langages de programmation sont les plus utilisés dans les dépôts #instruction-tuning ?
Parmi les projets #instruction-tuning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Rust, TeX.
Comment le classement des dépôts #instruction-tuning est-il calculé ?
Nous suivons 73 dépôts open source actifs associés à #instruction-tuning (500+ étoiles), totalisant 461,684 étoiles, avec une moyenne de 6,324 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.