Git Stars Git Stars

#llm-training Dépôts

Découvrez 58 dépôts GitHub open source actifs associés à #llm-training, cumulant 316,620 étoiles au total (soit une moyenne de 5,458 étoiles par projet). Le projet en tête de ce thème est karpathy/nanochat, avec 60,746 étoiles.

58
Total des Dépôts
316,620
Nombre total d'étoiles
5,458
Moyenne d'Étoiles/Dépôt
1
karpathy/nanochat

Le meilleur ChatGPT que 100 $ peuvent acheter.

karpathy
⭐ 60,746 Python 👤 karpathy User 🕐 Mis à jour 2026-09-07 📅 Créé 2025-10-13
2
gitleaks/gitleaks

Trouvez des secrets avec Gitleaks 🔑

gitleaks
⭐ 31,234 Go 👤 gitleaks Organization 🕐 Mis à jour 2026-10-28 📅 Créé 2018-01-27
3
karpathy/llm.c

Entraînement de LLM en C/CUDA simple et brut

karpathy
⭐ 30,323 Cuda 👤 karpathy User 🕐 Mis à jour 2025-06-26 📅 Créé 2024-04-08
4
Hannibal046/Awesome-LLM

Awesome-LLM: une liste organisée de grands modèles de langage

Hannibal046
⭐ 27,212 👤 Hannibal046 User 🕐 Mis à jour 2025-07-31 📅 Créé 2023-02-17
5
liguodongiot/llm-action

Ce projet vise à partager les principes techniques et l'expérience pratique liés aux grands modèles (ingénierisation des grands modèles, mise en œuvre pratique des grands modèles).

liguodongiot
⭐ 25,297 HTML 👤 liguodongiot User 🕐 Mis à jour 2026-10-14 📅 Créé 2023-05-23
6
ludwig-ai/ludwig

Framework low-code pour construire des LLMs personnalisés, des réseaux neuronaux et d'autres modèles d'IA

ludwig-ai
⭐ 11,793 Python 👤 ludwig-ai Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2018-12-27
7
skypilot-org/skypilot

La plateforme de calcul IA pour les équipes de pointe. SkyPilot transforme le calcul IA fragmenté en un superordinateur IA, permettant aux équipes de pointe de construire plus rapidement une intelligence personnalisée.

skypilot-org
⭐ 10,869 Python 👤 skypilot-org Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2021-08-11
8
karpathy/minbpe

Code minimal et propre pour l'algorithme Byte Pair Encoding (BPE) couramment utilisé dans la tokenisation LLM.

karpathy
⭐ 10,241 Python 👤 karpathy User 🕐 Mis à jour 2024-07-01 📅 Créé 2024-02-16
9
THUDM/slime

slime est un framework d’entraînement de LLM conçu pour la mise à l’échelle de l’apprentissage par renforcement.

THUDM
⭐ 8,856 Python 👤 THUDM Organization 🕐 Mis à jour 2026-11-05 📅 Créé 2025-06-18
10
bojieli/ai-infra-book

《Comprendre en profondeur l’infrastructure de l’IA : analyse quantitative et conception de systèmes》 (de Li Bojie), un manuscrit de livre open source : à partir des contraintes matérielles et de l’architecture des modèles, il déduit quantitativement la conception des systèmes d’inférence et d’entraînement des LLM. Comprend le texte intégral, le PDF, des outils de calcul associés et des expériences.

bojieli
⭐ 8,179 Python 👤 bojieli User 🕐 Mis à jour 2026-10-01 📅 Créé 2026-08-22
11
Human-Agent-Society/reef

Infrastructure pour des agents qui s’améliorent continuellement

Human-Agent-Society
⭐ 7,652 Python 👤 Human-Agent-Society Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-08-31
12
linkedin/Liger-Kernel

Noyaux Triton efficaces pour l'entraînement des LLM

linkedin
⭐ 6,707 Python 👤 linkedin Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2024-08-06
14
rllm-org/rllm

Démocratiser l'apprentissage par renforcement pour les LLM

rllm-org
⭐ 5,927 Python 👤 rllm-org Organization 🕐 Mis à jour 2026-10-16 📅 Créé 2025-01-26
15
h2oai/h2o-llmstudio

H2O LLM Studio - un framework et une interface graphique sans code pour le fine-tuning des LLM. Documentation : https://docs.h2o.ai/h2o-llmstudio/

h2oai
⭐ 5,199 Python 👤 h2oai Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2023-04-17
16
facebookresearch/lingua

Meta Lingua : une base de code légère, efficace et facile à cracker pour la recherche sur les LLM.

facebookresearch
⭐ 4,758 Python 👤 facebookresearch Organization 🕐 Mis à jour 2025-07-18 📅 Créé 2024-10-16
17
radixark/miles

Miles est un framework d'apprentissage par renforcement orienté entreprise pour le post-entraînement de LLM et VLM, dérivé de et co-évoluant avec slime.

radixark
⭐ 3,386 Python 👤 radixark Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2025-10-09
18
openlake-project/openlake

OpenLake est un moteur de stockage haute performance pour une inférence LLM et un entraînement GPU efficaces

openlake-project
⭐ 3,089 Rust 👤 openlake-project Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2026-04-27
19
openenv/OpenEnv

Une bibliothèque d'interface pour l'entraînement post-RL avec des environnements.

openenv
⭐ 2,872 Python 👤 openenv Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2025-10-01
20
qibin0506/Cortex

Construire des grands modèles à zéro : une pratique complète du pré-entraînement à la RLHF

qibin0506
⭐ 2,705 Python 👤 qibin0506 User 🕐 Mis à jour 2026-08-21 📅 Créé 2025-06-24
21
databricks/dbrx

Exemples de code et ressources pour DBRX, un grand modèle de langage développé par Databricks

databricks
⭐ 2,578 Python 👤 databricks Organization 🕐 Mis à jour 2024-05-01 📅 Créé 2024-03-26
22
langfengQ/verl-agent

verl-agent est une extension de veRL, conçue pour entraîner des agents LLM/VLM via RL. verl-agent est également le code officiel du papier "Group-in-Group Policy Optimization for LLM Agent Training"

langfengQ
⭐ 2,457 Python 👤 langfengQ User 🕐 Mis à jour 2026-06-09 📅 Créé 2025-03-23
23
MoonshotAI/MoBA

MoBA: Mixture of Block Attention pour les LLM à long contexte

MoonshotAI
⭐ 2,122 Python 👤 MoonshotAI Organization 🕐 Mis à jour 2025-04-03 📅 Créé 2025-02-17
24
Open-Reasoner-Zero/Open-Reasoner-Zero

Dépôt officiel pour Open-Reasoner-Zero

Open-Reasoner-Zero
⭐ 2,094 Python 👤 Open-Reasoner-Zero Organization 🕐 Mis à jour 2025-06-02 📅 Créé 2025-02-19
25
allenai/Olmo-core

Blocs de construction PyTorch pour l'écosystème OLMo

allenai
⭐ 1,810 Python 👤 allenai Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-03-23
26
intelligent-machine-learning/dlrover

DLRover : Un système distribué automatique d'apprentissage profond

intelligent-machine-learning
⭐ 1,695 Python 👤 intelligent-machine-learning Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2022-06-24
28
alibaba/Pai-Megatron-Patch

Le dépôt officiel de Pai-Megatron-Patch pour la formation à grande échelle de LLM et VLM développé par Alibaba Cloud.

alibaba
⭐ 1,601 Python 👤 alibaba Organization 🕐 Mis à jour 2025-12-15 📅 Créé 2023-09-04
29
utkuozdemir/nvidia_gpu_exporter

Exportateur de GPU NVIDIA pour Prometheus utilisant le binaire nvidia-smi OU NVML

utkuozdemir
⭐ 1,599 Go 👤 utkuozdemir User 🕐 Mis à jour 2026-11-20 📅 Créé 2021-06-08
30
MoonshotAI/Moonlight

Muon est évolutif pour la formation des LLM

MoonshotAI
⭐ 1,523 👤 MoonshotAI Organization 🕐 Mis à jour 2025-08-03 📅 Créé 2025-02-22
31
bigscience-workshop/Megatron-DeepSpeed

La recherche en cours forme des modèles linguistiques Transformer à grande échelle, notamment : BERT et GPT-2

bigscience-workshop
⭐ 1,426 Python 👤 bigscience-workshop Organization 🕐 Mis à jour 2024-03-20 📅 Créé 2021-07-02
32
NousResearch/atropos

Atropos est un framework d'environnements d'apprentissage par renforcement pour modèles linguistiques destiné à la collecte et à l'évaluation de trajectoires de LLM dans divers environnements

NousResearch
⭐ 1,324 Python 👤 NousResearch Organization 🕐 Mis à jour 2026-06-29 📅 Créé 2025-04-29
33
Alibaba-NLP/ZeroSearch

ZeroSearch: Inciter la capacité de recherche des LLM sans chercher

Alibaba-NLP
⭐ 1,305 Python 👤 Alibaba-NLP Organization 🕐 Mis à jour 2025-08-16 📅 Créé 2025-05-07
34
InternScience/GraphGen

GraphGen : Améliorer le réglage fin supervisé pour les LLM avec la génération de données synthétiques pilotée par la connaissance

InternScience
⭐ 1,236 Python 👤 InternScience Organization 🕐 Mis à jour 2026-11-08 📅 Créé 2025-01-08
35
open-gigaai/giga-train

GigaTrain : Un cadre d'entraînement efficace et évolutif pour les modèles d'IA

open-gigaai
⭐ 1,074 Python 👤 open-gigaai Organization 🕐 Mis à jour 2026-08-25 📅 Créé 2025-09-26
36
volcengine/veScale

Byted PyTorch Distributed pour l'entraînement hyperscale des LLM et RL

volcengine
⭐ 1,051 Python 👤 volcengine Organization 🕐 Mis à jour 2026-11-11 📅 Créé 2024-02-26
37
tingaicompass/AI-Compass

"AI-Compass" guidera la communauté pour naviguer dans l'océan des technologies IA. Que vous soyez débutant ou développeur confirmé, vous trouverez ici les voies vers toutes les grandes orientations de l'IA. Ce projet vise à aider les développeurs à comprendre de façon systématique les concepts clés de l'IA, les technologies majeures, les tendances de pointe, et, par la pratique, à maîtriser l’ensemble du processus, de la théorie à la mise en œuvre.

tingaicompass
⭐ 1,000 Python 👤 tingaicompass User 🕐 Mis à jour 2026-11-20 📅 Créé 2025-05-27
38
yandex/YaFSDP

YaFSDP : Un autre Fully Sharded Data Parallel

yandex
⭐ 992 Python 👤 yandex Organization 🕐 Mis à jour 2026-10-26 📅 Créé 2024-05-27
39
myshell-ai/JetMoE

Atteindre les performances de LLaMA2 avec 0,1 million de dollars

myshell-ai
⭐ 988 Python 👤 myshell-ai Organization 🕐 Mis à jour 2024-07-23 📅 Créé 2024-04-02
41
yongliang-wu/DFT

[ICLR 2026] Sur la généralisation de SFT : une perspective d'apprentissage par renforcement avec rectification des récompenses.

yongliang-wu
⭐ 932 Python 👤 yongliang-wu User 🕐 Mis à jour 2026-08-01 📅 Créé 2025-08-01
42
chrisliu298/awesome-on-policy-distillation

Une collection organisée d'articles, de rapports techniques, de cadres et d'outils pour la distillation en politique (OPD) des grands modèles de langage

chrisliu298
⭐ 926 👤 chrisliu298 User 🕐 Mis à jour 2026-10-06 📅 Créé 2026-03-22
43
EleutherAI/cookbook

Le Deep Learning pour les nuls. Tous les détails pratiques et les utilitaires utiles pour travailler avec de vrais modèles.

EleutherAI
⭐ 858 Python 👤 EleutherAI Organization 🕐 Mis à jour 2026-10-27 📅 Créé 2023-12-20
44
qiufengqijun/mini_qwen

Ceci est un projet pour entraîner des modèles linguistiques de grande taille à partir de zéro, y compris le pré-entraînement, le fine-tuning et l'optimisation directe des préférences, le modèle ayant 1 milliard de paramètres et prenant en charge le chinois et l'anglais.

qiufengqijun
⭐ 849 Python 👤 qiufengqijun User 🕐 Mis à jour 2025-02-18 📅 Créé 2025-01-18
46
sail-sg/Adan

Adan : Algorithme adaptatif de momentum de Nesterov pour l'optimisation plus rapide des modèles profonds

sail-sg
⭐ 818 Python 👤 sail-sg Organization 🕐 Mis à jour 2025-06-08 📅 Créé 2022-09-01
47
datawhalechina/llm-algo-leetcode

Algorithmes et systèmes de LLM en pratique avec PyTorch, Triton et CUDA. « Tutoriel sur les algorithmes et systèmes de LLM » : architectures et entraînement des modèles, post-entraînement, accélération de l’inférence, optimisation des performances et des opérateurs, avec des exercices Notebook, des explications des réponses, des tests et des expériences.

datawhalechina
⭐ 811 Jupyter Notebook 👤 datawhalechina Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2026-04-01
48
SimpleBerry/LLaMA-O1

Grands modèles de raisonnement

SimpleBerry
⭐ 806 Python 👤 SimpleBerry Organization 🕐 Mis à jour 2024-12-03 📅 Créé 2024-10-10
49
ghimiresunil/LLM-PowerHouse-A-Curated-Guide-for-Large-Language-Models-with-Custom-Training-and-Inferencing

LLM-PowerHouse : Libérez le potentiel des LLM grâce à des tutoriels organisés, des meilleures pratiques et du code prêt à l'emploi pour l'entraînement personnalisé et l'inférence.

ghimiresunil
⭐ 734 Jupyter Notebook 👤 ghimiresunil User 🕐 Mis à jour 2026-03-13 📅 Créé 2023-05-28
50
RUCAIBox/R1-Searcher

R1-chercheur : Incitation de la capacité de recherche dans les LLM via l'apprentissage par renforcement

RUCAIBox
⭐ 722 Python 👤 RUCAIBox Organization 🕐 Mis à jour 2025-08-05 📅 Créé 2025-02-26

Foire aux questions

1

Quel est le dépôt #llm-training le plus populaire sur GitHub ?

Le projet #llm-training open source le mieux classé sur GitHub est karpathy/nanochat, avec 60,746 étoiles. Le meilleur ChatGPT que 100 $ peuvent acheter.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #llm-training ?

Parmi les projets #llm-training les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Go, Cuda.

3

Comment le classement des dépôts #llm-training est-il calculé ?

Nous suivons 58 dépôts open source actifs associés à #llm-training (500+ étoiles), totalisant 316,620 étoiles, avec une moyenne de 5,458 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.