#fine-tuning Репозитории
Всего репозиториев: 144
Developer Asset Hub для NVIDIA Nemotron — Универсальный ресурс для рецептов обучения, руководств использования, наборов данных и полноценных примеров от начальной до конечной стадии, предназначенных для разработки с моделями Nemotron.
Единый уровень оркестрации для разнородных вычислительных ресурсов ИИ. Он стандартизирует управление вычислительными ресурсами и запуск обучения и инференса в GPU-облаках, Kubernetes, виртуальных машинах или кластерах на физических серверах.
Официальный репозиторий 'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning’
Рецепты для уменьшения, оптимизации и настройки передовых моделей компьютерного зрения. 💜
Репозиторий, содержащий модели, наборы данных и методы тонкой настройки для DB-GPT, с целью повышения производительности модели в Text-to-SQL
Custom Diffusion: Многоконцептуальная настройка диффузии от текста к изображению (CVPR 2023)
Инструментарий для исследований JAX для создания, редактирования и визуализации нейронных сетей.
[ICLR 2025] LongWriter: Раскрытие потенциала генерации более 10 000 слов из LLM с длинным контекстом
Масштабируемый набор инструментов для предварительной обработки и курирования данных для LLM
Комплексное руководство по созданию LLM-приложений на основе RAG для производственной среды.
Подбор синтетических данных для пост-обучения и извлечения структурированных данных
Коллекция из более чем 500 реальных примеров проектирования систем машинного обучения (ML) и больших языковых моделей (LLM) от более чем 100 компаний. Узнайте, как ведущие технологические компании внедряют GenAI в производственных условиях.
Адаптация Segment Anything от Meta AI для последующих задач с использованием адаптеров и подсказок
Исследование архитектуры DeepSeek Engram на основе Qwen-3 и серии Stable Diffusion.
Пользовательский интерфейс, созданный в Pyside6, для упрощения обучения LoRA/LoCon и других моделей типа LoRA в sd-scripts
Гиперсети, которые адаптируют большие языковые модели для конкретных эталонных задач, используя в качестве входных данных только текстовое описание задачи
Код для нашей статьи EMNLP 2023: «LLM-Adapters: Семейство адаптеров для параметро-эффективной дообучения больших языковых моделей»
Kimi-VL: Модель Vision-Language Mixture-of-Experts для мультимодального рассуждения, понимания длинного контекста и мощных возможностей агента
Подборка ноутбуков/рецептов, демонстрирующих варианты использования моделей с открытым исходным кодом с помощью Together AI.
Полный учебник по алгоритмам от NLP до LLM, адрес для чтения онлайн: https://datawhalechina.github.io/base-llm/
[NeurIPS 2023] MeZO: Fine-Tuning Language Models with Just Forward Passes. https://arxiv.org/abs/2305.17333
Allegro — это мощная модель преобразования текста в видео, которая генерирует высококачественные видео продолжительностью до 6 секунд при частоте 15 кадров в секунду и разрешении 720p из простого текстового ввода.
DataDreamer: Промпт. Генерация синтетических данных. Обучение и выравнивание моделей. 🤖💤
Каркас предварительного обучения Tencent на PyTorch и зоопарк предварительно обученных моделей
[TPAMI 2023] LibFewShot: Комплексная библиотека для обучения с малым числом примеров (Few-shot Learning).
Ресурсы, примеры и учебные пособия по мультимодальному ИИ, RAG и агентам с использованием векторного поиска и LLM
Полное руководство по началу и улучшению ваших навыков LLM в 2026 году, даже при небольшом опыте в этой области, чтобы оставаться в курсе последних новостей и передовых технологий!
Открытые мультимодальные модели принятия решений размером от 0,8B до 27B для работы с текстом, изображениями и видео. Оценивайте собственные варианты с помощью вероятностей и определяйте местоположение с помощью ограничивающих рамок вместо генерации текста. Бесплатный API, ONNX, GGUF, vLLM и SGLang; код для дообучения включён.
Генерируйте высококачественные синтетические данные, обучайте, измеряйте и оценивайте в рамках единого конвейера
Обучайте и обслуживайте большие языковые модели с экстремальной скоростью и огромной пропускной способностью.
Официальный репозиторий моей книги «Практическое руководство по тонкой настройке LLM с использованием PyTorch и Hugging Face»
Набор инструментов для точной настройки, абляции и модульного тестирования LLM с открытым исходным кодом.
Halo — это фреймворк с открытым исходным кодом, разработанный White Circle для обучения больших языковых и мультимодальных моделей