sft

Verwenden Sie PEFT oder Vollparameter für CPT/SFT/DPO/GRPO von über 600 LLMs und über 300 MLLMs (AAAI 2025).

BISHENG ist eine offene LLM-DevOps-Plattform für Enterprise-KI-Anwendungen der nächsten Generation. Leistungsstarke und umfassende Funktionen umfassen: GenAI-Workflow, RAG, Agent, einheitliches Modellmanagement, Evaluierung, SFT, Datensatzverwaltung, Systemverwaltung auf Unternehmensniveau, Observability und mehr.

Einfaches Fine-Tuning, Evaluierung und Deployment von Qwen, Gemma oder anderen Open-Weight-LLMs!

https://adongwanai.github.io/AgentGuide | AI-Agent-Entwicklungsleitfaden | LangGraph-Praxis | Fortgeschrittene RAG | Einstieg in Large Language Models | LLM-Vorstellungsgespräche | Algorithmus-Ingenieur | Fragenkatalog für Vorstellungsgespräche | Reinforcement Learning | Datensynthese

🚀 Ein Open-Source-Praxislehrplan, der die Lücke von grundlegenden RL-Konzepten bis hin zu LLM-Alignment, RLVR und fortgeschrittenen Agentensystemen schließt.

LLMs aus einer einzigen YAML-Datei fine-tunen. Layer-Streaming trainiert ein 8B-Modell auf einer 4-GB-Laptop-GPU.

Eine einfache, performante und skalierbare Jax LLM!

Fine-Tuning für chatglm 6b und alpaca

🎓 Systematischer Kurs zum Aufbau von Large Language Models | 🛠️ Abdeckung von Vortraining-Data-Engineering, Tokenizer, Transformer, MoE, GPU-Programmierung (CUDA/Triton),分布式训练 (verteiltes Training), Scaling Laws, Inferenzoptimierung und Alignment (SFT/RLHF/GRPO) | 🚀 6 progressive Aufgaben + codegetrieben, Aufbau eines Full-Stack-LLM-Wissensstands

GraphGen: Verbesserung des Supervised Fine-Tuning für LLMs durch wissensbasierte synthetische Datengenerierung

Training und Fine-Tuning mit Lichtgeschwindigkeit

Eine Open-Source-Lösung für das vollständige Parameter-Fine-Tuning von DeepSeek-V3/R1 671B, einschließlich vollständigem Code und Skripten vom Training bis zur Inferenz sowie einigen praktischen Erfahrungen und Schlussfolgerungen.

Code und Datensätze für „Character-LLM: A Trainable Agent for Role-Playing“

Ein Deep-Learning-NLP-Repository mit TensorFlow, das von der Textvorverarbeitung bis hin zu Downstream-Tasks moderner Modelle wie Topic Models, BERT, GPT und LLMs reicht.

A high-performance framework for training LLMs, VLMs, diffusion, and embodied models on NVIDIA GPUs and Kunlun XPUs.