Git Stars Git Stars

#sft Dépôts

Découvrez 17 dépôts GitHub open source actifs associés à #sft, cumulant 73,413 étoiles au total (soit une moyenne de 4,318 étoiles par projet). Le projet en tête de ce thème est modelscope/ms-swift, avec 16,138 étoiles.

17
Total des Dépôts
73,413
Nombre total d'étoiles
4,318
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Jupyter Notebook MDX C++
1
modelscope/ms-swift

Utilisez le PEFT ou l’entraînement de tous les paramètres pour appliquer CPT/SFT/DPO/GRPO à plus de 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) et plus de 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).

modelscope
⭐ 16,138 Python 👤 modelscope Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2023-08-01
2
adongwanai/AgentGuide

Guide de développement d’agents IA | Agent Harness | Ingénierie du contexte | RAG avancé | MCP | Apprentissage par renforcement agentique (Agentic RL) | Mise en pratique de LangGraph | Plus de 12 000 questions d’entretien sur les LLM | Recherche d’emploi pour des postes en algorithmes / développement | Se reconvertir dans le domaine des LLM

adongwanai
⭐ 12,147 MDX 👤 adongwanai User 🕐 Mis à jour 2026-11-05 📅 Créé 2025-11-03
3
MakazhanAlpamys/Soup

Affinez les LLM à partir d'un YAML. Le streaming par couches entraîne un modèle 8B sur un GPU de laptop de 4 Go.

MakazhanAlpamys
⭐ 10,703 Python 👤 MakazhanAlpamys User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-02-20
4
oumi-ai/oumi

Affinez facilement (SFT/RL), évaluez et déployez Qwen, Gemma ou tout LLM/VLM agentique open source !

oumi-ai
⭐ 9,441 Python 👤 oumi-ai Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-05-07
5
meta-pytorch/torchtune

Bibliothèque native PyTorch pour l'optimisation post-entraînement

meta-pytorch
⭐ 5,820 Python 👤 meta-pytorch Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2023-10-20
6
walkinglabs/hands-on-modern-rl

🚀 Un curriculum open-source et pratique comblant l'écart des concepts RL de base à l'alignement LLM, RLVR et systèmes Agentic avancés.

walkinglabs
⭐ 4,936 Jupyter Notebook 👤 walkinglabs Organization 🕐 Mis à jour 2026-10-23 📅 Créé 2026-04-10
7
datawhalechina/diy-llm

Couvre les données de préentraînement, les tokeniseurs, les Transformers, le MoE, l’entraînement distribué, les lois de mise à l’échelle, l’inférence et l’alignement. 6 exercices de programmation progressifs pour apprendre les LLM de bout en bout.

datawhalechina
⭐ 3,035 Jupyter Notebook 👤 datawhalechina Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2025-11-24
8
AI-Hypercomputer/maxtext

Un LLM Jax simple, performant et évolutif !

AI-Hypercomputer
⭐ 2,468 Python 👤 AI-Hypercomputer Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2023-02-28
9
ssbuild/chatglm_finetuning

mise au point de chatglm 6b et mise au point d'alpaca

ssbuild
⭐ 1,531 Python 👤 ssbuild User 🕐 Mis à jour 2025-03-09 📅 Créé 2023-03-14
10
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
11
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
12
AgileRL/AgileRL

La pile complète de post-entraînement pour les LLM, ainsi que du RL pour tout problème. SFT, DPO et RL agentique multi-tours, avec optimisation évolutionnaire des hyperparamètres intégrée.

AgileRL
⭐ 971 Python 👤 AgileRL Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2023-03-01
13
invergent-ai/surogate

Entraînez et déployez des LLM à une vitesse extrême et avec un débit considérable.

invergent-ai
⭐ 888 C++ 👤 invergent-ai Organization 🕐 Mis à jour 2026-11-05 📅 Créé 2026-01-02
14
baidu-baige/LoongForge

Un framework haute performance pour entraîner des LLM, des VLM, des modèles de diffusion et des modèles incarnés sur des GPU NVIDIA et des XPU Kunlun. Prend en charge Pi0.5, GR00T-N1.7, FastWAM, Cosmos3, DreamZero, DeepSeek-V4, GLM-5.3, Kimi-K3 et bien d’autres.

baidu-baige
⭐ 881 Python 👤 baidu-baige Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2026-04-23
15
ScienceOne-AI/DeepSeek-671B-SFT-Guide

Une solution open-source pour le réglage fin de tous les paramètres de DeepSeek-V3/R1 671B, comprenant le code complet et les scripts de l'entraînement à l'inférence, ainsi que quelques expériences pratiques et conclusions.

ScienceOne-AI
⭐ 806 Python 👤 ScienceOne-AI User 🕐 Mis à jour 2025-03-13 📅 Créé 2025-03-07
16
choosewhatulike/trainable-agents

Code et jeux de données pour "Character-LLM : un agent entraînable pour le jeu de rôle"

choosewhatulike
⭐ 603 Python 👤 choosewhatulike User 🕐 Mis à jour 2024-10-29 📅 Créé 2023-10-08
17
ukairia777/tensorflow-nlp-tutorial

Un dépôt NLP d'apprentissage profond qui résume le prétraitement du texte, les modèles de sujets et les tâches en aval de modèles de pointe tels que BERT, GPT et LLM à l'aide de TensorFlow.

ukairia777
⭐ 580 Jupyter Notebook 👤 ukairia777 User 🕐 Mis à jour 2026-06-05 📅 Créé 2021-12-30

Foire aux questions

1

Quel est le dépôt #sft le plus populaire sur GitHub ?

Le projet #sft open source le mieux classé sur GitHub est modelscope/ms-swift, avec 16,138 étoiles. Utilisez le PEFT ou l’entraînement de tous les paramètres pour appliquer CPT/SFT/DPO/GRPO à plus de 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) et plus de 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).

2

Quels langages de programmation sont les plus utilisés dans les dépôts #sft ?

Parmi les projets #sft les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, MDX, C++.

3

Comment le classement des dépôts #sft est-il calculé ?

Nous suivons 17 dépôts open source actifs associés à #sft (500+ étoiles), totalisant 73,413 étoiles, avec une moyenne de 4,318 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.