#sft Репозитории
Откройте для себя 17 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #sft, с общим числом 73,413 звёзд (в среднем 4,318 на проект). Лидером этой темы является modelscope/ms-swift, набравший 16,138 звёзд.
Всего репозиториев: 17
Используйте PEFT или обучение всех параметров для выполнения CPT/SFT/DPO/GRPO на более чем 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4 и др.) и более чем 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4 и др.) (AAAI 2025).
Руководство по разработке ИИ-агентов | Agent Harness | Инжиниринг контекста | Продвинутый RAG | MCP | Agentic RL (обучение с подкреплением для агентов) | Практика LangGraph | Более 12 000 вопросов для собеседований по большим языковым моделям | Поиск работы на должности в области алгоритмов / разработки | Переход в сферу больших языковых моделей
Тонкая настройка LLM из одного YAML. Потоковая передача слоев обучает модель 8B на 4 ГБ ноутбучном GPU.
Легко дообучайте (SFT/RL), оценивайте и развёртывайте Qwen, Gemma или любую открытую агентную LLM/VLM!
🚀 Открытый практический курс, bridging разрыв от базовых концепций RL до выравнивания LLM, RLVR и продвинутых агентных систем.
Охватывает данные для предобучения, токенизаторы, Transformer, MoE, распределённое обучение, законы масштабирования, инференс и выравнивание. 6 последовательных заданий по программированию для комплексного изучения LLM.
GraphGen: Улучшение контролируемой дообучения для LLM с помощью генерации синтетических данных на основе знаний
Полный стек постобучения для LLM, а также RL для решения любых задач. SFT, DPO и агентный RL с несколькими ходами, со встроенной эволюционной оптимизацией гиперпараметров.
Обучайте и обслуживайте большие языковые модели с экстремальной скоростью и огромной пропускной способностью.
Высокопроизводительный фреймворк для обучения LLM, VLM, диффузионных и воплощённых моделей на GPU NVIDIA и XPU Kunlun. Поддерживает Pi0.5, GR00T-N1.7, FastWAM, Cosmos3, DreamZero, DeepSeek-V4, GLM-5.3, Kimi-K3 и другие модели.
Open-source решение для полнопараметрической тонкой настройки DeepSeek-V3/R1 671B, включающее полный код и скрипты от обучения до инференса, а также некоторый практический опыт и выводы.
Код и наборы данных для "Character-LLM: Обучаемый агент для ролевых игр"
Репозиторий Deep Learning NLP, обобщающий предварительную обработку текста, тематические модели и последующие задачи передовых моделей, таких как BERT, GPT и LLM, с использованием TensorFlow.
Часто задаваемые вопросы
Какой репозиторий по теме #sft наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #sft на GitHub — modelscope/ms-swift, набравший 16,138 звёзд. Используйте PEFT или обучение всех параметров для выполнения CPT/SFT/DPO/GRPO на более чем 600 LLM (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4 и др.) и более чем 300 MLLM (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4 и др.) (AAAI 2025).
Какие языки программирования чаще всего используются в репозиториях по теме #sft?
Среди наиболее высоко оценённых проектов по теме #sft на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, MDX, C++.
Как рассчитывается рейтинг репозиториев по теме #sft?
Мы отслеживаем 17 активных репозиториев с открытым исходным кодом, отмеченных тегом #sft (500 и более звёзд), с общим числом 73,413 звёзд и в среднем 4,318 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.