#llm-training Repositórios
Descubra 58 repositórios ativos de código aberto no GitHub marcados com #llm-training, acumulando um total de 316,620 estrelas (uma média de 5,458 por projeto). O líder deste tópico é karpathy/nanochat, com 60,746 estrelas.
59 repositórios no total
Este projeto visa compartilhar os princípios técnicos e a experiência prática relacionados a Grandes Modelos (engenharia de Grandes Modelos e implementação de aplicações de Grandes Modelos).
Framework low-code para construir LLMs personalizados, redes neurais e outros modelos de IA
A plataforma de computação de IA para equipes de ponta. SkyPilot transforma a computação de IA fragmentada em um supercomputador de IA, para que equipes de ponta construam inteligência personalizada mais rapidamente.
Código limpo e mínimo para o algoritmo Byte Pair Encoding (BPE) comumente usado na tokenização de LLMs.
《Compreendendo profundamente a infraestrutura de IA: análise quantitativa e projeto de sistemas》 (de Li Bojie), um manuscrito de livro de código aberto: partindo das restrições de hardware e das arquiteturas dos modelos, deriva quantitativamente o projeto de sistemas de inferência e treinamento de LLMs. Inclui o texto completo, o PDF, ferramentas de cálculo complementares e experimentos.
H2O LLM Studio - uma estrutura e GUI sem código para ajuste fino de LLMs. Documentação: https://docs.h2o.ai/h2o-llmstudio/
Meta Lingua: uma base de código enxuta, eficiente e fácil de modificar para pesquisar LLMs.
Miles é um framework de aprendizado por reforço voltado para empresas para o pós-treinamento de LLM e VLM, derivado e co-evoluindo com slime.
OpenLake é um motor de armazenamento de alto desempenho para inferência de LLM e treinamento de GPU eficientes
Construindo grandes modelos do zero: uma prática completa desde o pré-treinamento até o RLHF
Exemplos de código e recursos para DBRX, um modelo de linguagem grande desenvolvido pela Databricks
verl-agent é uma extensão do veRL, projetada para treinar agentes LLM/VLM via RL. verl-agent é também o código oficial do paper "Group-in-Group Policy Optimization for LLM Agent Training"
DLRover: Um Sistema Distribuído Automático de Aprendizado Profundo
O repositório oficial do Pai-Megatron-Patch para treinamento em larga escala de LLM e VLM desenvolvido pela Alibaba Cloud.
Exportador de GPU NVIDIA para o Prometheus usando o binário nvidia-smi OU o NVML
Pesquisa contínua treinando modelos de linguagem transformer em escala, incluindo: BERT e GPT-2
Atropos é uma estrutura de Ambientes de Aprendizagem por Reforço de Modelos de Linguagem para coletar e avaliar trajetórias de LLM através de diversos ambientes
GraphGen: Aprimorando o Ajuste Fino Supervisionado para LLMs com Geração de Dados Sintéticos Orientada pelo Conhecimento
GigaTrain: Uma Estrutura de Treinamento Eficiente e Escalável para Modelos de IA
‘AI-Compass’ guiará a comunidade na navegação pelo oceano da tecnologia IA. Se você é um iniciante ou um desenvolvedor avançado, encontrará aqui caminhos para todas as grandes direções da IA. O objetivo é ajudar os desenvolvedores a compreenderem sistematicamente os conceitos-chave da IA, as tecnologias predominantes, as tendências de ponta e, por meio da prática, dominar todo o processo desde a teoria até a aplicação.
[ICLR 2026] Sobre a generalização de SFT: Uma perspectiva de aprendizado por reforço com retificação de recompensas.
Uma coleção curada de artigos, relatórios técnicos, frameworks e ferramentas para destilação on-policy (OPD) de grandes modelos de linguagem
Aprendizado profundo para leigos. Todos os detalhes práticos e utilitários úteis que são usados ao trabalhar com modelos reais.
Este é um projeto para treinar um grande modelo de linguagem do zero, abrangendo pré-treino, ajuste fino e otimização de preferência direta. O modelo possui 1 bilhão de parâmetros e suporta chinês e inglês.
Adan: Algoritmo de Momento Nesterov Adaptativo para Otimizar Modelos Profundos Mais Rapidamente
Algoritmos e sistemas de LLM na prática com PyTorch, Triton e CUDA. «Tutorial de algoritmos e sistemas de LLM»: arquiteturas e treinamento de modelos, pós-treinamento, aceleração da inferência, otimização de desempenho e de operadores; inclui exercícios em Notebook, explicações das respostas, testes e experimentos.
LLM-PowerHouse: Liberte o potencial dos LLMs através de tutoriais selecionados, melhores práticas e código pronto a usar para treinamento e inferência personalizados.
R1-searcher: Incentivando a Capacidade de Busca em LLMs via Aprendizado por Reforço
Perguntas Frequentes
Qual é o repositório de #llm-training mais popular no GitHub?
O projeto de código aberto de #llm-training mais bem classificado no GitHub é karpathy/nanochat, com 60,746 estrelas. O melhor ChatGPT que $100 podem comprar.
Quais linguagens de programação são mais usadas nos repositórios de #llm-training?
Entre os projetos de #llm-training mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, Go, Cuda.
Como é calculada a classificação dos repositórios de #llm-training?
Acompanhamos 58 repositórios ativos de código aberto marcados com #llm-training (com mais de 500 estrelas), totalizando 316,620 estrelas e uma média de 5,458 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.