#llm-fine-tuning Dépôts
Découvrez 60 dépôts GitHub open source actifs associés à #llm-fine-tuning, cumulant 139,572 étoiles au total (soit une moyenne de 2,326 étoiles par projet). Le projet en tête de ce thème est Jiayi-Pan/TinyZero, avec 13,259 étoiles.
60 dépôts au total
Cours intensif sur l'IA pour aider les constructeurs occupés à rattraper la recherche publique sur l'IA en 2 semaines
🎉 Dépôt pour LaWGPT, Chinese-Llama affiné avec des connaissances juridiques chinoises. Grand modèle linguistique basé sur les connaissances juridiques chinoises.
Ceci est un guide étape par étape pour débuter avec les grands modèles d'IA/LLM, comprenant des tutoriels et du code de démonstration. Il vous emmène des API au déploiement et au réglage fin des grands modèles locaux. Les fichiers de code seront fournis en versions en ligne pour Kaggle ou Colab, vous permettant d'apprendre même sans carte graphique. Le projet comprend également un petit "terrain de jeu" de code 🎡, où vous pouvez expérimenter des scripts d'IA intéressants. Parallèlement, il inclut une version chinoise miroir complète des devoirs du cours "Introduction à l'IA générative 2024" de Hung-Yi Lee.
Implémentation de référence pour le DPO (Direct Preference Optimization)
Cela comprend l'implémentation originale de SELF-RAG : Learning to Retrieve, Generate and Critique through self-reflection par Akari Asai, Zeqiu Wu, Yizhong Wang, Avirup Sil et Hannaneh Hajishirzi.
Questions d'entretien pour les postes d'algorithmes de grands modèles (avec réponses) : questions fréquentes et analyse des concepts "Questions d'entretien sur les grands modèles", "Entretien pour les postes d'algorithmes", "Questions fréquentes d'entretien", "Entretien sur les algorithmes de grands modèles", "Bases des applications de grands modèles"
OpenR : Un framework open source pour le raisonnement avancé avec de grands modèles linguistiques
Une implémentation GRPO très simple pour reproduire la pensée LLM de type r1.
[ICLR2026] Ceci est le premier article à explorer comment utiliser efficacement le RL de type R1 pour les MLLMs et présenter Vision‑R1, un MLLM de raisonnement qui exploite l'initialisation à démarrage froid et l'entraînement RL pour inciter la capacité de raisonnement.
Une branche pour ajouter l'entraînement de modèles multimodaux à open-r1
Package InstructLab Core. Utilisez-le pour discuter avec un modèle et exécuter le flux de travail InstructLab pour entraîner un modèle à l'aide de données taxonomiques personnalisées.
Liste de plates-formes, d'outils et de ressources géniales pour exécuter des LLMs localement
ChatLLaMA 📢 Implémentation open source pour ChatGPT basé sur LLaMA exécutable sur un seul GPU. Processus d'entraînement 15 fois plus rapide que ChatGPT
Démarrage rapide pour les grands modèles linguistiques (Apprentissage théorique et réglage fin pratique)
Optimisation des LLM sans larmes💦 ; Sample Design Engineering (SDE) pour un réglage en aval plus efficace.
Video-R1: Renforcer le Raisonnement Vidéo dans les MLLM [🔥le premier article à explorer R1 pour la vidéo]
Carnets de notes pour la spécialisation sur les grands modèles linguistiques (LLM)
Chat-Zhen Huan est un modèle linguistique de discussion obtenu par réglage fin LoRA de ChatGLM2 en utilisant toutes les répliques et phrases concernant Zhen Huan du scénario de "The Legend of Zhen Huan", afin d'imiter le ton de Zhen Huan.
Code pour l'article : Entraînement d'agents et de vérificateurs d'ingénierie logicielle avec SWE-Gym [ICML 2025]
Libérer la puissance de l'apprentissage par renforcement pour les raisonneurs mathématiques et de code
OpenTinker est une infrastructure de RL en tant que service (RLaaS) pour les modèles de fondation
Ajustement fin des grands modèles linguistiques, Qwen2VL, Qwen2, ajustement fin des instructions GLM4
Foire aux questions
Quel est le dépôt #llm-fine-tuning le plus populaire sur GitHub ?
Le projet #llm-fine-tuning open source le mieux classé sur GitHub est Jiayi-Pan/TinyZero, avec 13,259 étoiles. Reproduction minimale de DeepSeek R1-Zero
Quels langages de programmation sont les plus utilisés dans les dépôts #llm-fine-tuning ?
Parmi les projets #llm-fine-tuning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Roff, HTML.
Comment le classement des dépôts #llm-fine-tuning est-il calculé ?
Nous suivons 60 dépôts open source actifs associés à #llm-fine-tuning (500+ étoiles), totalisant 139,572 étoiles, avec une moyenne de 2,326 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.