#instruction-tuning Repository
Scopri 73 repository GitHub open source attivi contrassegnati con #instruction-tuning, che raccolgono un totale di 461,684 stelle (con una media di 6,324 stelle per progetto). Il progetto leader di questo argomento è rasbt/LLMs-from-scratch, con 108,745 stelle.
73 repository in totale
[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) è stato creato per capacità di livello GPT-4V e oltre.
:sparkles::sparkles:Ultime novità sui modelli linguistici di grandi dimensioni multimodali
La pagina ufficiale di GitHub per l'articolo di rassegna "A Survey of Large Language Models".
🎉 Repo per LaWGPT, Chinese-Llama ottimizzato con conoscenze giuridiche cinesi. Grande modello linguistico basato sulla conoscenza giuridica cinese.
[ICLR 2024] Fine-tuning di LLaMA per seguire le istruzioni entro 1 ora e 1,2 M di parametri
[ICLR'24 Spotlight] Una piattaforma aperta per l'addestramento, il serving e la valutazione di grandi modelli linguistici per l'apprendimento degli strumenti.
Codice e modelli per il paper ICML 2024, NExT-GPT: Modello linguistico multimodale di grandi dimensioni Any-to-Any
Riepilogo di Prompt & LLM papers, dati e modelli open source, applicazioni AIGC
【EMNLP 2024🔥】Video-LLaVA: Apprendimento di una Rappresentazione Visiva Unificata tramite Allineamento prima della Proiezione
🔥🔥🔥 [IEEE TCSVT] Últimi lavori, codici e set di dati su Vid-LLMs.
Otter, un modello multimodale basato su OpenFlamingo (versione open-source di Flamingo di DeepMind), addestrato su MIMIC-IT e che mostra migliorate capacità di seguire istruzioni e apprendimento in-context.
InternLM-XComposer2.5-OmniLive: Un sistema multimodale completo per interazioni audio e video in streaming a lungo termine
mPLUG-Owl: La potente famiglia di modelli linguistici di grandi dimensioni multimodali
[ECCV2024] Modelli Fondamentali Video e Dati per la Comprensione Multimodale
Cambrian-1 è una famiglia di LLM multimodali con un design incentrato sulla visione.
Cura dei dati sintetici per il post-training e l'estrazione di dati strutturati
OpenCodeInterpreter è una suite di sistemi open-source per la generazione di codice volti a colmare il divario tra modelli linguistici di grandi dimensioni e sofisticati sistemi proprietari come il GPT-4 Code Interpreter. Migliora significativamente le capacità di generazione del codice integrando funzionalità di esecuzione e raffinamento iterativo.
Una lista di lettura sulla generazione di dati sintetici basata su LLM 🔥
Un framework open-source di modelli linguistici di grandi dimensioni basati sulla conoscenza.
HuatuoGPT, verso DOMARE i modelli linguistici per diventare un dottore. (Un GPT medico aperto)
Granite Code Models: Una famiglia di modelli fondazionali aperti per l'intelligenza del codice
Una raccolta di dataset open-source per addestrare LLM che seguono le istruzioni (ChatGPT, LLaMA, Alpaca)
DataDreamer: Prompt. Genera dati sintetici. Addestra e allinea modelli. 🤖💤
Messa a punto di LLM senza lacrime💦; Sample Design Engineering (SDE) per un tuning downstream più efficiente.
[ICML2024 (Oral)] Implementazione ufficiale PyTorch di DoRA: Adattamento a basso rango decomposto per pesi
Domande frequenti
Qual è il repository #instruction-tuning più popolare su GitHub?
Il progetto open source #instruction-tuning più alto in classifica su GitHub è rasbt/LLMs-from-scratch, con 108,745 stelle. Implementa un LLM simile a ChatGPT in PyTorch da zero, passo dopo passo
Quali linguaggi di programmazione sono più utilizzati nei repository #instruction-tuning?
Tra i progetti #instruction-tuning più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Rust, TeX.
Come viene calcolata la classifica dei repository #instruction-tuning?
Monitoriamo 73 repository open source attivi contrassegnati con #instruction-tuning (500+ stelle), per un totale di 461,684 stelle e una media di 6,324 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.