#sft 저장소
#sft 태그가 지정된 GitHub의 활성 오픈 소스 저장소 17개를 확인해 보세요. 총 73,413개의 스타를 획득했으며 프로젝트당 평균 4,318개입니다. 이 주제를 이끄는 저장소는 16,138개의 스타를 받은 modelscope/ms-swift입니다.
저장소 총 17개
600개 이상의 LLM(Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4 등)과 300개 이상의 MLLM(Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4 등)에 PEFT 또는 전체 파라미터 학습을 사용하여 CPT/SFT/DPO/GRPO를 수행합니다(AAAI 2025).
AI 에이전트 개발 가이드 | Agent Harness | 컨텍스트 엔지니어링 | 고급 RAG | MCP | Agentic RL(에이전트 강화 학습) | LangGraph 실전 | LLM 면접 문제 1만 2천 개 이상 | 알고리즘 / 개발 직무 취업 | LLM 분야로 커리어 전환
🚀 오픈 소스 실습 중심 커리큘럼으로, 기본 RL 개념에서 LLM 정렬, RLVR, 고급 Agentic 시스템까지의 간극을 메웁니다.
사전 학습 데이터, 토크나이저, Transformer, MoE, 분산 학습, 스케일링 법칙, 추론 및 정렬을 다룹니다. LLM을 풀스택으로 학습하기 위한 단계별 코딩 과제 6개를 제공합니다.
LLM을 위한 완전한 포스트 트레이닝 스택과 모든 문제에 적용할 수 있는 RL을 제공합니다. SFT, DPO, 멀티턴 에이전트 RL을 지원하며, 진화적 하이퍼파라미터 최적화가 내장되어 있습니다.
NVIDIA GPU 및 Kunlun XPU에서 LLM, VLM, 확산 모델과 임바디드 모델을 학습하기 위한 고성능 프레임워크입니다. Pi0.5, GR00T-N1.7, FastWAM, Cosmos3, DreamZero, DeepSeek-V4, GLM-5.3, Kimi-K3 등을 지원합니다.
DeepSeek-V3/R1 671B의 전체 파라미터 파인튜닝을 위한 오픈 소스 솔루션으로, 훈련부터 추론까지의 전체 코드 및 스크립트, 그리고 실질적인 경험과 결론을 포함합니다.
TensorFlow를 사용하여 텍스트 전처리부터, Topic Models, BERT, GPT, LLM과 같은 최신 모델의 다운스트림 태스크들을 정리한 Deep Learning NLP 저장소입니다.
자주 묻는 질문
GitHub에서 가장 인기 있는 #sft 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #sft 프로젝트는 16,138개의 스타를 받은 modelscope/ms-swift입니다. 600개 이상의 LLM(Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4 등)과 300개 이상의 MLLM(Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4 등)에 PEFT 또는 전체 파라미터 학습을 사용하여 CPT/SFT/DPO/GRPO를 수행합니다(AAAI 2025).
#sft 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #sft 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Python, Jupyter Notebook, MDX, C++입니다.
#sft 저장소 순위는 어떻게 계산되나요?
#sft 태그가 지정된 활성 오픈 소스 저장소(17개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 73,413개이며 저장소당 평균 4,318개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.