cwxndl / LLMLinks
大语言模型应用：RAG、NL2SQL、聊天机器人、预训练、MOE混合专家模型、微调训练、强化学习、天池数据竞赛
☆74Updated last year
Alternatives and similar repositories for LLM
Users that are interested in LLM are comparing it to the libraries listed below
Sorting:
- 通义千问的DPO训练☆62Updated last year
- 对llama3进行全参微调、lora微调以及qlora微调。☆216Updated last year
- 大型语言模型实战指南：应用实践与场景落地☆87Updated last year
- 快速入门RAG与私有化部署☆211Updated last year
- ☆120Updated last year
- 天池算法比赛《BetterMixture - 大模型数据混合挑战赛》的第一名top1解决方案☆34Updated last year
- 在RAG技术中，嵌入向量的生成和匹配是关键环节。本文介绍了一种基于CLIP/BLIP模型的嵌入服务，该服务支持文本和图像的嵌入生成与相似度计算，为多模态信息检索提供了基础能力。☆42Updated last year
- 本项目用于大模型数学解题能力方面的数据集合成，模型训练及评测，相关文章记录。☆100Updated last year
- 使用单个24G显卡，从0开始训练LLM☆56Updated 7 months ago
- 怎么训练一个LLM分词器☆153Updated 2 years ago
- TinyRAG☆413Updated 7 months ago
- ☆268Updated last year
- 阿里天池: 2023全球智能汽车AI挑战赛——赛道一：AI大模型检索问答 baseline 80+☆120Updated 2 years ago
- qwen ai agent☆147Updated last year
- A travel agent based on Qwen2.5, fine-tuned by SFT + DPO/PPO/GRPO using traveling question-answer dataset, a mindmap can be output using …☆52Updated 2 months ago
- 基于大语言模型的检索增强生成RAG示例☆168Updated 9 months ago
- 阿里通义千问(Qwen-7B-Chat/Qwen-7B), 微调/LORA/推理☆136Updated last year
- Qwen1.5-SFT(阿里, Ali), Qwen_Qwen1.5-2B-Chat/Qwen_Qwen1.5-7B-Chat微调(transformers)/LORA(peft)/推理☆71Updated last year
- ThinkLLM：🚀 轻量、高效的大语言模型算法实现☆115Updated 8 months ago
- Baichuan2代码的逐行解析版本，适合小白☆213Updated 2 years ago
- RAG 论文学习☆195Updated last month
- 一个基于HuggingFace开发的大语言模型训练、测试工具。支持各模型的webui、终端预测，低参数量及全参数模型训练(预训练、SFT、RM、PPO、DPO)和融合、量化。☆223Updated 2 years ago
- ☆115Updated last year
- 一些 LLM 方面的从零复现笔记☆243Updated 9 months ago
- kaggle 2024 Eedi 第10名 金牌方案☆45Updated last year
- 中文大模型微调(LLM-SFT), 数学指令数据集MWP-Instruct, 支持模型(ChatGLM-6B, LLaMA, Bloom-7B, baichuan-7B), 支持(LoRA, QLoRA, DeepSpeed, UI, TensorboardX), 支持(微…☆216Updated last year
- AFAC2024金融智能创新大赛☆65Updated last year
- 本项目用于Embedding模型的相关实验，包括Embedding模型评估、Embedding模型微调、Embedding模型量化等。☆72Updated last year
- 欢迎来到 "LLM-travel" 仓库！探索大语言模型（LLM）的奥秘 🚀。致力于深入理解、探讨以及实现与大模型相关的各种技术、原理和应用。☆371Updated last year
- 探索 LLM 在法律行业的应用潜力☆96Updated last year