#language-model Dépôts
Découvrez 139 dépôts GitHub open source actifs associés à #language-model, cumulant 925,052 étoiles au total (soit une moyenne de 6,655 étoiles par projet). Le projet en tête de ce thème est microsoft/generative-ai-for-beginners, avec 123,942 étoiles.
139 dépôts au total
Implémentez à partir de zéro un LLM de type ChatGPT dans PyTorch, étape par étape
🐙 Guides, articles, leçons, notebooks et ressources pour l'ingénierie des prompts, l'ingénierie contextuelle, le RAG et les agents IA.
Le dépôt officiel gpt4free | diverses collections de modèles linguistiques puissants | opus 4.6 gpt 5.3 kimi 2.5 deepseek v3.2 gemini 3
OpenAssistant est un assistant conversationnel qui comprend les tâches, peut interagir avec des systèmes tiers et récupérer des informations de manière dynamique pour ce faire.
Code et documentation pour entraîner les modèles Alpaca de Stanford et générer les données.
📦 Repomix est un outil puissant qui regroupe l'intégralité de votre dépôt dans un seul fichier adapté à l'IA. Idéal lorsque vous devez alimenter votre base de code avec des grands modèles de langage (LLM) ou d'autres outils d'IA tels que Claude, ChatGPT, DeepSeek, Perplexity, Gemini, Gemma, Llama, Grok, et plus encore.
La boîte à outils IA pour TypeScript. Par les créateurs de Next.js, le SDK IA est une bibliothèque open-source gratuite pour créer des applications et des agents alimentés par l'IA
Plateforme IA privée pour agents, assistants et recherche d'entreprise. Agent Builder intégré, recherche approfondie, analyse de documents, prise en charge multi-modèles et connectivité API pour les agents.
RWKV (prononcé RwaKuv) est un RNN avec d'excellentes performances LLM, qui peut également être entraîné directement comme un transformer GPT (parallélisable). Nous en sommes à RWKV-7 "Goose". Il combine donc le meilleur des RNN et des transformers - d'excellentes performances, un temps linéaire, un espace constant (pas de cache kv), un entraînement rapide, une ctx_len infinie et une intégration de phrases gratuite.
Un cadre d'évaluation à peu de tirs pour les modèles de langage.
Framework IA tout-en-un pour la recherche sémantique, l'orchestration LLM et les flux de travail de modèles linguistiques
Code pour loralib, une implémentation de "LoRA: Low-Rank Adaptation of Large Language Models"
💥 Tokenizers de pointe rapides optimisés pour la recherche et la production
ChatRWKV est comme ChatGPT mais alimenté par le modèle linguistique RWKV (100% RNN) et open source.
Une boîte à outils extensible pour le réglage fin et l'inférence de grands modèles fondamentaux. De grands modèles pour tous.
Qingjian : une méthode de saisie pinyin écrite en Rust, qui affiche à côté de chaque mot candidat sa traduction dans la langue étudiée
Une implémentation de transformateurs autorégressifs à parallélisme de modèle sur GPU, basée sur les bibliothèques Megatron et DeepSpeed
Traduction automatique neuronale open source et modèles de langage (volumineux) en PyTorch
SWE-bench : Les modèles linguistiques peuvent-ils résoudre des problèmes réels sur Github ?
Un framework open-source pour des agents linguistiques autonomes data-centriques et auto-évolutifs
Kodezi Chronos est un modèle de langage axé sur le débogage qui obtient des résultats de pointe sur SWE-bench Lite (80,33 %) et une précision de correction en situation réelle de 67 %, soit plus de six fois mieux que GPT-4. Il est construit avec la récupération adaptative guidée par graphes et une mémoire de débogage persistante. Le modèle sera disponible au T1 2026 via Kodezi OS.
[COLM 2024] OpenAgents : Une plateforme ouverte pour les agents linguistiques dans la nature
« Grands Modèles Linguistiques » par : Zhao Xin, Li Junyi, Zhou Kun, Tang Tianyi, Wen Jirong
Benchmark d'évaluation de la compréhension de la langue chinoise : jeux de données, lignes de base, modèles pré-entraînés, corpus et classement
Construisez un LLM moderne de zéro. Chaque ligne commentée. Expliqué comme à des enfants de cinq ans.
Un framework open-source pour l'entraînement de grands modèles multimodaux.
Ceci est un livre de la famille Phi de SLM pour débuter avec les modèles Phi. Phi est une famille de modèles d'IA open source développés par Microsoft. Les modèles Phi sont les modèles de langage réduits (SLM) les plus performants et les plus rentables disponibles, surpassant les modèles de même taille et de taille supérieure dans une variété de benchmarks de langage, de raisonnement, de codage et de mathématiques.
[NeurIPS 2024] OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments
Modèles de base Chinese-LLaMA 1&2, Chinese-Falcon ; Modèle de dialogue chinois ChatFlow ; Modèle Chinese-OpenLLaMA ; Jeux de données de pré-entraînement/ajustement fin des instructions NLP
InternLM-XComposer2.5-OmniLive : Un système multimodal complet pour les interactions audio et vidéo en streaming à long terme
Exemples, tutoriels de bout en bout et applications conçus à l'aide des modèles fondamentaux d'IA Liquid (LFM) et du SDK LEAP
[ICLR 2024] Implémentation officielle de " 🦙 Time-LLM : Prévision de séries temporelles par reprogrammation de grands modèles de langage"
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
Foire aux questions
Quel est le dépôt #language-model le plus populaire sur GitHub ?
Le projet #language-model open source le mieux classé sur GitHub est microsoft/generative-ai-for-beginners, avec 123,942 étoiles. 21 Leçons, Commencez à Créer avec l'IA Générative
Quels langages de programmation sont les plus utilisés dans les dépôts #language-model ?
Parmi les projets #language-model les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, Rust.
Comment le classement des dépôts #language-model est-il calculé ?
Nous suivons 139 dépôts open source actifs associés à #language-model (500+ étoiles), totalisant 925,052 étoiles, avec une moyenne de 6,655 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.