#llm-fine-tuning Repository
Scopri 60 repository GitHub open source attivi contrassegnati con #llm-fine-tuning, che raccolgono un totale di 139,572 stelle (con una media di 2,326 stelle per progetto). Il progetto leader di questo argomento è Jiayi-Pan/TinyZero, con 13,259 stelle.
60 repository in totale
Corso intensivo sull'IA per aiutare costruttori impegnati a mettersi al passo con la frontiera pubblica della ricerca sull'IA in 2 settimane
🎉 Repo per LaWGPT, Chinese-Llama ottimizzato con conoscenze giuridiche cinesi. Grande modello linguistico basato sulla conoscenza giuridica cinese.
Questa è una guida passo passo per iniziare con i modelli AI/LLM di grandi dimensioni, che include tutorial e codice dimostrativo. Ti porterà dalle API all'implementazione e al fine-tuning locali di grandi modelli. I file di codice saranno forniti in versioni online per Kaggle o Colab, permettendoti di imparare anche senza una GPU. Il progetto include anche un piccolo "playground" di codice 🎡, dove puoi sperimentare script AI interessanti. Inoltre, include una versione cinese speculare completa dei compiti del corso "Introduzione all'intelligenza artificiale generativa 2024" di Hung-Yi Lee.
Implementazione di riferimento per DPO (Direct Preference Optimization)
Ciò include l'implementazione originale di SELF-RAG: Learning to Retrieve, Generate and Critique through self-reflection di Akari Asai, Zeqiu Wu, Yizhong Wang, Avirup Sil e Hannaneh Hajishirzi.
Domande di colloquio per posizioni di algoritmi di grandi modelli (con risposte): domande frequenti e analisi dei concetti "Domande di colloquio su grandi modelli", "Colloquio per posizioni di algoritmi", "Domande frequenti ai colloqui", "Colloquio su algoritmi di grandi modelli", "Basi delle applicazioni di grandi modelli"
OpenR: Un framework open source per il ragionamento avanzato con modelli linguistici di grandi dimensioni
Un'implementazione GRPO molto semplice per riprodurre il pensiero LLM di tipo r1.
[ICLR2026] Questo è il primo articolo a esplorare come utilizzare efficacemente il RL simile a R1 per MLLMs e introdurre Vision‑R1, un MLLM di ragionamento che sfrutta l'inizializzazione a partenza fredda e l'addestramento RL per incentivare la capacità di ragionamento.
Un fork per aggiungere l'addestramento di modelli multimodali a open-r1
Pacchetto InstructLab Core. Usalo per chattare con un modello ed eseguire il flusso di lavoro InstructLab per addestrare un modello utilizzando dati tassonomici personalizzati.
Elenco di piattaforme, strumenti e risorse fantastici per eseguire LLM in locale
ChatLLaMA 📢 Implementazione open source per ChatGPT su base LLaMA eseguibile su una singola GPU. Processo di addestramento 15 volte più veloce di ChatGPT
Guida rapida per i modelli linguistici di grandi dimensioni (Apprendimento teorico e messa a punto pratica)
Messa a punto di LLM senza lacrime💦; Sample Design Engineering (SDE) per un tuning downstream più efficiente.
Video-R1: Rafforzare il Ragionamento Video negli MLLM [🔥il primo paper a esplorare R1 per i video]
Notebook per la specializzazione sui modelli linguistici di grandi dimensioni (LLM)
Chat-Zhen Huan è un modello linguistico di chat ottenuto dalla messa a punto LoRA di ChatGLM2 utilizzando tutte le battute e le frasi su Zhen Huan dalla sceneggiatura di "The Legend of Zhen Huan", per imitare il tono di Zhen Huan.
Codice per Paper: Addestramento di agenti e verificatori di ingegneria del software con SWE-Gym [ICML 2025]
Liberare il potere dell'apprendimento per rinforzo per i ragionatori matematici e di codice
OpenTinker è un'infrastruttura di RL come servizio (RLaaS) per i modelli di fondazione
Fine-tuning di modelli linguistici di grandi dimensioni, Qwen2VL, Qwen2, fine-tuning di istruzioni GLM4
Domande frequenti
Qual è il repository #llm-fine-tuning più popolare su GitHub?
Il progetto open source #llm-fine-tuning più alto in classifica su GitHub è Jiayi-Pan/TinyZero, con 13,259 stelle. Riproduzione minima di DeepSeek R1-Zero
Quali linguaggi di programmazione sono più utilizzati nei repository #llm-fine-tuning?
Tra i progetti #llm-fine-tuning più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Roff, HTML.
Come viene calcolata la classifica dei repository #llm-fine-tuning?
Monitoriamo 60 repository open source attivi contrassegnati con #llm-fine-tuning (500+ stelle), per un totale di 139,572 stelle e una media di 2,326 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.