transformers

Transformers 库快速入门教程

使用 GGML 库实现之 C/C++ Transformer 模型的 Python 绑定。

关于大型语言模型的实战课程。

使用 TikZ 为科学图表和草图合成绘图程序。

自然语言处理、知识图谱、对话系统、大模型等技术研究与应用。

最大化更新参数化（µP）

Google Deepmind 的 Alphafold 3 在 PyTorch 中的实现

最佳多智能体论文汇编

Safe RLHF：通过来自人类反馈的安全强化学习进行受约束的价值对齐

Lag-Llama：迈向概率时间序列预测的基础模型

[PAMI'23] TransFuser: 用于自动驾驶的基于 Transformer 的传感器融合模仿学习；[CVPR'21] 用于端到端自动驾驶的多模态融合 Transformer

用于高精度低比特 LLM 推理的 SOTA 量化算法，针对 CPU/XPU/CUDA 进行无缝优化，支持多种数据类型，并与 vLLM、SGLang 和 Transformers 完全兼容。

[CVPR 2025 Oral] Infinity ∞：为高分辨率图像合成扩展按位自回归建模。

通用时间序列预测 Transformer 的统一训练

在 Pytorch 中实现 Google Deepmind 的 SoundStorm（高效并行音频生成）

MLeap：将 ML Pipelines 部署至生产环境

数据科学家用来规模化、评估与维护自然语言数据的开源首选。将训练数据视同软件构件来对待。

基础模型学习课程，从零开始到前沿技术

OuteTTS 模型的介面。

韩语 BERT 预训练区分大小写模型 (KoBERT)

MetaAI 所提出的 Self-Rewarding Language Model 训练框架的实现

MetaAI 的 Transfusion Pytorch 实现，“使用一个多模态模型预测下一个 Token 并扩散图像”

在配备 Apple Silicon 的 Mac 上微调 LLMs。支持 SFT、DPO、GRPO、Vision、TTS、STT、Embedding 与 OCR 微调 —— 基于 MLX 原生实现。兼容 Unsloth API。

可扩展且内存优化的扩散模型训练

一个优雅的 transformers 的 PyTorch 实现

包含 155 种以上 VLM/MLLM 架构的精选视觉化目录：包含论文、图表、训练配方、数据集，以及多模态 AI 代理的发布时间轴。

Jlama 是适用于 Java 的现代 LLM 推理引擎

Transformer 在医学影像中应用之资源汇整。

Pruna 是一个为开发者打造的模型优化框架，能让你以极低的额外开销交付更快、更高效的模型。

支持硬件加速的 LLM 模型量化（压缩）工具包，可通过 HF、vLLM 及 SGLang 为 Nvidia、AMD、Intel GPU 以及 Intel/AMD/Apple CPU 提供加速支持。