#微调
ChatGLM微调技术：深入探讨大型语言模型的定制化训练
LLMs-from-scratch
本书详细介绍了如何从零开始编码、构建和训练GPT类大语言模型。提供逐步指导、清晰图示和示例，适合教育用途的小型模型开发，并包含大模型预训练权重加载和微调的代码示例。
litgpt
LitGPT为开发者提供超过20种高性能的大型语言模型（LLMs），具备从头开始的实现、无抽象层和企业级的性能优化。适合于训练、微调和部署大规模应用，支持新手入门，简化企业级部署流程。提供全面的Python API文档和优化教程，使得部署AI模型更快速、更经济、更有效率。
ChuanhuChatGPT
川虎Chat是一个针对ChatGPT及其他大语言模型(LLM)设计的Web图形界面，提供了丰富的功能和灵活的扩展性。项目支持多种模型本地部署与API调用，包括新版GPT和其他主流LLM。新增特性如PWA应用程序安装、自动历史命名、美观的毛玻璃效果，为用户带来更流畅和亲切的操作体验。针对开发者和技术爱好者，川虎Chat还提供了丰富的自定义功能和详细的部署指导。
LLM-Finetuning
了解如何使用LoRA和Hugging Face Transformers库高效微调大型语言模型。项目提供详细的教程笔记本，包括在Colab中微调Llama 2、GPT-Neo-X-20B、MPT-Instruct-30B等模型的指导和代码示例。无论新手或专家，均可找到实用资源，提升语言模型性能。欢迎贡献和提交问题，共同完善此开源项目。
llm_interview_note
本仓库汇集了大语言模型（LLMs）的面试知识和实用资源，适合准备大模型面试的求职者。内容涵盖大模型基础、架构、训练数据、分布式训练、推理优化、强化学习、RAG技术、模型评估及应用案例。提供详细的知识点解析和操作指南，并附有项目示例和在线体验链接。定期更新，确保内容时效性和实用性。欢迎访问在线阅读页面，关注微信公众号获取更多相关信息。
RAG-Retrieval
RAG-Retrieval项目通过统一方式调用不同RAG排序模型，支持全链路微调与推理。其轻量级Python库扩展性强，适应多种应用场景，提升排序效率。更新内容包括基于LLM监督的微调及其Embedding模型的MRL loss性能提升。
LLM-workshop-2024
本教程为编码人员提供了对大型语言模型（LLMs）构建模块和工作原理的深入理解。从LLMs的基础概念和应用案例开始，涵盖了小型GPT模型的数据输入管道、核心架构组件和预训练代码的编写。教程还包括如何加载预训练权重和使用开源库进行微调的实战技能。
MedicalGPT
MedicalGPT项目采用多阶段方法如增量预训练、精细微调及奖励建模强化学习，优化医疗GPT模型，增强医疗对话与问答系统的性能。模型以人类反馈为基础，通过直接偏好优化和强化学习策略，调整生成对话的质量与人类偏好的契合度，提供科学准确的医疗咨询，项目持续接入先进的医疗语言处理技术，应对医疗领域的需求变化。
stanford_alpaca
Stanford Alpaca项目提供了一个基于52K指令数据微调的7B LLaMA模型。该项目包含数据生成代码、模型微调代码和从权重差异恢复Alpaca-7B权重的代码。模型基于Self-Instruct技术生成的数据进行微调，仅限于研究用途。注意模型尚未经过安全性微调，使用时需谨慎。