#llm-training Repository
Scopri 58 repository GitHub open source attivi contrassegnati con #llm-training, che raccolgono un totale di 316,620 stelle (con una media di 5,458 stelle per progetto). Il progetto leader di questo argomento è karpathy/nanochat, con 60,746 stelle.
59 repository in totale
Questo progetto mira a condividere i principi tecnici e le esperienze pratiche relative ai modelli di grandi dimensioni (ingegnerizzazione di grandi modelli, applicazione pratica di grandi modelli).
Framework low-code per la creazione di LLM personalizzati, reti neurali e altri modelli AI
La piattaforma di calcolo AI per team all'avanguardia. SkyPilot trasforma il calcolo AI frammentato in un supercomputer AI, consentendo ai team all'avanguardia di costruire intelligenza personalizzata più velocemente.
Codice minimale e pulito per l'algoritmo Byte Pair Encoding (BPE) comunemente utilizzato nella tokenizzazione LLM.
slime è un framework per l’addestramento di LLM pensato per scalare l’apprendimento per rinforzo.
《Comprendere a fondo l’infrastruttura dell’IA: analisi quantitativa e progettazione dei sistemi》 (di Li Bojie), un manoscritto di libro open source: partendo dai vincoli hardware e dalle architetture dei modelli, deriva quantitativamente la progettazione dei sistemi di inferenza e addestramento degli LLM. Include il testo completo, il PDF, strumenti di calcolo correlati ed esperimenti.
H2O LLM Studio - un framework e una GUI no-code per il fine-tuning di LLM. Documentazione: https://docs.h2o.ai/h2o-llmstudio/
Meta Lingua: una codebase snella, efficiente e facile da modificare per la ricerca sugli LLM.
Miles è un framework di reinforcement learning orientato alle imprese per la post-allenamento di LLM e VLM, derivato da e co-evolvendosi con slime.
OpenLake è un motore di archiviazione ad alte prestazioni per un'inferenza LLM e un addestramento GPU efficienti
Costruire modelli di grandi dimensioni da zero: una pratica completa dal preaddestramento al RLHF
Esempi di codice e risorse per DBRX, un modello linguistico di grandi dimensioni sviluppato da Databricks
verl-agent è un'estensione di veRL, progettata per l'addestramento di agenti LLM/VLM tramite RL. verl-agent è anche il codice ufficiale per il paper "Group-in-Group Policy Optimization for LLM Agent Training"
Il repository ufficiale di Pai-Megatron-Patch per l'addestramento su larga scala di LLM e VLM sviluppato da Alibaba Cloud.
Exporter di GPU NVIDIA per Prometheus utilizzando il binario nvidia-smi OPPURE NVML
La ricerca in corso addestra modelli linguistici Transformer su larga scala, tra cui: BERT e GPT-2
Atropos è un framework di ambienti di apprendimento per rinforzo per modelli linguistici per la raccolta e la valutazione di traiettorie di LLM attraverso ambienti diversi
GraphGen: Miglioramento del Fine-Tuning Supervisionato per LLM con Generazione di Dati Sintetici Guidata dalla Conoscenza
GigaTrain: Un Framework di Addestramento Efficiente e Scalabile per Modelli di IA
"AI-Compass" guiderà la comunità nella navigazione dell'oceano delle tecnologie AI. Che tu sia un principiante o uno sviluppatore avanzato, troverai qui percorsi verso tutte le principali direzioni dell'IA. L'obiettivo è aiutare gli sviluppatori a comprendere in modo sistematico i concetti fondamentali dell'IA, le tecnologie di punta, le tendenze all'avanguardia e, attraverso la pratica, a padroneggiare l'intero processo dalla teoria alla realizzazione.
[ICLR 2026] Sulla generalizzazione di SFT: una prospettiva di apprendimento per rinforzo con rettifica delle ricompense.
Una raccolta curata di articoli, rapporti tecnici, framework e strumenti per la distillazione on-policy (OPD) di grandi modelli linguistici
Deep Learning per principianti. Tutti i dettagli pratici e le utility utili che servono per lavorare con modelli reali.
Questo è un progetto per addestrare modelli linguistici di grandi dimensioni da zero, inclusi pre-allenamento, fine-tuning e ottimizzazione diretta delle preferenze, con il modello che ha 1 miliardo di parametri e supporta cinese e inglese.
Adan: Algoritmo Adattivo di Momentum di Nesterov per l'Ottimizzazione più Veloce di Modelli Profondi
Algoritmi e sistemi LLM con PyTorch, Triton e CUDA, con un approccio pratico. «Tutorial sugli algoritmi e i sistemi LLM»: architetture e addestramento dei modelli, post-addestramento, accelerazione dell’inferenza, ottimizzazione delle prestazioni e degli operatori; include esercizi in Notebook, spiegazioni delle risposte, test ed esperimenti.
LLM-PowerHouse: Libera il potenziale degli LLM attraverso tutorial curati, best practice e codice pronto all'uso per l'addestramento personalizzato e l'inferenza.
R1-ricercatore: Incentivare la capacità di ricerca in LLM tramite apprendimento per rinforzo
Domande frequenti
Qual è il repository #llm-training più popolare su GitHub?
Il progetto open source #llm-training più alto in classifica su GitHub è karpathy/nanochat, con 60,746 stelle. Il miglior ChatGPT che $100 possono comprare.
Quali linguaggi di programmazione sono più utilizzati nei repository #llm-training?
Tra i progetti #llm-training più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Go, Cuda.
Come viene calcolata la classifica dei repository #llm-training?
Monitoriamo 58 repository open source attivi contrassegnati con #llm-training (500+ stelle), per un totale di 316,620 stelle e una media di 5,458 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.