Base de conocimiento de ML seleccionada y escrita en Markdown, con 923 artículos, clases y artículos académicos, además de un clasificador y regresor personalizados en NumPy llamado APRL.
261+1 esta semana37PythonOtherActualizado hace 3 meses
Curated-Awesome-Lists/awesome-llms-fine-tuning
Una lista seleccionada de recursos, tutoriales, artículos, herramientas y cursos para ajustar modelos de lenguaje grandes.
- Estrellas
- 532
- Forks
- 84
- Issues abiertos
- 12
- Último commit
- hace 2 meses
¿Qué es?
Awesome LLMs Fine-Tuning es una lista seleccionada de recursos sobre cómo adaptar modelos de lenguaje grandes preentrenados, como GPT, BERT y RoBERTa, a tareas y dominios específicos. Agrupa las entradas en secciones sobre proyectos de GitHub, artículos y blogs, cursos en línea, libros, artículos de investigación, videos, herramientas, eventos y presentaciones.
La sección de proyectos de GitHub incluye frameworks y kits de herramientas para el ajuste fino, como LLaMA-Factory, lit-gpt, H2O LLM Studio y scripts basados en QLoRA, junto con breves descripciones y la cantidad de estrellas que tenían al compilar la lista. Entre los artículos de investigación se encuentran LoRA, QLoRA y LOMO, que ofrecen a los lectores un recorrido desde las herramientas prácticas hasta la investigación que las sustenta.
La lista está dirigida a profesionales de ML e investigadores que buscan un punto de partida organizado para trabajar en el ajuste fino, en lugar de tener que buscar en fuentes dispersas.
Funciones clave
- 01Agrupa recursos para el ajuste fino en proyectos de GitHub, artículos de investigación, cursos, libros, videos y herramientas
- 02Incluye frameworks para el ajuste fino, como LLaMA-Factory, lit-gpt y H2O LLM Studio
- 03Incluye artículos de investigación sobre LoRA, QLoRA y el ajuste fino eficiente en parámetros
- 04Reúne tutoriales y guías con ejemplos paso a paso para GPU de consumo
- 05Recopila cursos en línea, encuentros y presentaciones sobre el ajuste fino de LLM
Casos de uso
- Encontrar un framework de código abierto para ajustar un modelo Llama o Qwen con un conjunto de datos propio
- Revisar los artículos fundamentales sobre LoRA y QLoRA antes de implementarlos
- Aprender conceptos de ajuste fino mediante tutoriales y cursos para principiantes
- Buscar herramientas y conjuntos de datos para adaptar modelos a dominios específicos
Antes de usarlo
- No se indica ninguna licencia en los metadatos del proyecto.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es awesome-llms-fine-tuning?
- Una lista seleccionada de recursos, tutoriales, artículos, herramientas y cursos para ajustar modelos de lenguaje grandes. Awesome LLMs Fine-Tuning es una lista seleccionada de recursos sobre cómo adaptar modelos de lenguaje grandes preentrenados, como GPT, BERT y RoBERTa, a tareas y dominios específicos. Agrupa las entradas en secciones sobre proyectos de GitHub, artículos y blogs, cursos en línea, libros, artículos de investigación, videos, herramientas, eventos y presentaciones.
- ¿awesome-llms-fine-tuning es gratuito? ¿Qué licencia tiene?
- awesome-llms-fine-tuning no declara ninguna licencia. Su código es público, pero sin licencia no tienes permiso explícito para reutilizarlo; consulta al autor antes de depender de él.
- ¿awesome-llms-fine-tuning sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de awesome-llms-fine-tuning fue el 4 sept 2026.
- ¿Para qué puedo usar awesome-llms-fine-tuning?
- Encontrar un framework de código abierto para ajustar un modelo Llama o Qwen con un conjunto de datos propio Revisar los artículos fundamentales sobre LoRA y QLoRA antes de implementarlos Aprender conceptos de ajuste fino mediante tutoriales y cursos para principiantes Buscar herramientas y conjuntos de datos para adaptar modelos a dominios específicos
- ¿Dónde consigo awesome-llms-fine-tuning?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/Curated-Awesome-Lists/awesome-llms-fine-tuning
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Modelos de lenguaje grandes de código abierto ajustados para tareas financieras, como análisis de sentimiento, pronósticos y benchmarks de NLP financiero.
21,5 mil+41 esta semana3 milJupyter NotebookMITBien mantenidoActualizado hace 12 días
Código complementario del libro Build a Large Language Model (From Scratch) para implementar paso a paso un LLM similar a GPT en PyTorch.
107,9 mil+358 esta semana16,7 milJupyter NotebookOtherBien mantenidoActualizado hace 3 horas
Framework unificado para ajustar eficientemente más de 100 LLM y VLM con una CLI y una interfaz web sin código.
75,9 mil+113 esta semana9,3 milPythonApache-2.0Actualizado hace 9 horas
Herramienta sin código de Hugging Face para entrenar y ajustar modelos de ML (LLM, texto, imágenes y tareas con tokens) mediante una interfaz web, CLI o archivos YAML.
4,6 mil+3 esta semana631PythonApache-2.0Actualizado hace 8 días
Colección bilingüe de más de 100 diagramas originales que explican LLM, RL, RLHF, DPO, GRPO y algoritmos relacionados con modelos grandes.
5 mil+18 esta semana481PythonOtherActualizado hace 2 meses