data_management_LLM

大型语言模型训练数据管理资源汇总

大语言模型训练数据管理预训练监督微调数据质量 Github 开源项目

该项目汇总了大型语言模型训练数据管理的相关资源。内容涵盖预训练和监督微调阶段，探讨领域组成、数据数量和质量等关键方面。项目还收录了数据去重、毒性过滤等技术，以及不同因素间的关系研究。这些资源为优化LLM训练数据管理提供了全面参考。

llm-data-creation - 大型语言模型驱动的自动数据生成框架

EMNLPGithub大语言模型开源项目微调数据创建评估

llm-data-creation是一个基于大型语言模型的数据生成框架。该项目仅需一个格式示例即可创建多种问答任务的合成数据，通过迭代过程生成更多相同格式的数据。这一方法特别适用于缺乏人工标注数据的场景。项目提供完整的数据创建、模型微调和评估流程，在10个公开基准数据集上的评估显示出优秀的跨域性能。

Awesome-LLM - 全面汇总大型语言模型研究进展与资源

ChatGPTGithub人工智能大语言模型开源项目深度学习自然语言处理

Awesome-LLM项目汇集了大型语言模型(LLM)领域的核心资源,包括关键论文、开源模型、训练框架及应用案例。该项目系统梳理了从GPT到当前最新LLM的技术演进,为研究者和开发者提供全面的学习参考。项目内容涵盖LLM历史发展、前沿突破及实践应用,是了解和探索LLM技术的重要资料库。

Efficient-LLMs-Survey - 大语言模型效率优化技术综述

Github大语言模型开源项目模型压缩量化高效推理高效训练

本项目系统性地综述了大语言模型效率优化研究，包括模型压缩、高效预训练、微调和推理等方面。从模型、数据和框架三个维度对相关技术进行分类，全面梳理了该领域的最新进展，为研究人员和从业者提供了有价值的参考资料。

LLM-Workshop - 大语言模型实践与应用工作坊

GithubLLM人工智能开源项目机器学习深度学习自然语言处理

LLM-Workshop 是 Sourab Mangrulkar 创建的大语言模型工作坊。该项目为开发者和研究人员提供 LLM 技术学习平台，内容包括模型训练、调优技巧、应用开发等。工作坊旨在帮助参与者掌握 AI 和自然语言处理领域的实用技能，适合想要深入了解大语言模型技术的人员参与。

Awesome-LLM-Survey - 调查大语言模型的最新研究进展，包括指令调整、人类对齐和多模态

Awesome-LLM-SurveyGithubLLM人工智能大规模语言模型开源项目研究报告

data-selection-survey - 全面探索语言模型数据选择的关键技术

GithubWeb数据多语言开源项目数据选择语言模型预训练

这个项目全面梳理了语言模型数据选择的各个环节,涵盖预训练、指令微调和偏好对齐等阶段。内容包括语言过滤、启发式方法、数据质量评估和去重等核心技术,还探讨了多语言和特定领域模型的专门选择策略。项目汇集了众多相关研究文献,为语言模型开发提供了系统的参考资源。

LLM-FineTuning-Large-Language-Models - LLM微调实践与技术应用指南

Fine-tuningGithubLLMPEFTQLoRA开源项目量化

本项目介绍了如何使用ORPO、QLoRA、GPTQ等技术对大型语言模型（LLM）进行微调，包含具体实例和代码片段。项目还提供与这些技术相关的YouTube视频链接，提供全面的学习资料。此外，项目还包含各类实用工具和技术说明，帮助用户更好地理解和应用这些前沿技术。适合有一定编程基础的研究人员和开发者参考。

llm_training_handbook - 大规模语言模型训练手册

GithubLLMThe Large Language Model Training Handbooktensor精度吞吐量最大化开源项目模型并行

该手册为语言模型训练工程师和操作员提供了多种方法和实用脚本，涵盖模型并行性、最大化吞吐量、张量精度和数据类型、训练超参数和模型初始化、不稳定性排查、以及软件和硬件故障调试等方面。适合需要深入技术细节的用户。若需要概述性和概念性内容，请参考姊妹项目The Large Language Model Training Playbook。

MINI_LLM - 完整中文大语言模型训练流程实践

DPOGithubMini-llm大模型开源项目微调预训练

MINI_LLM项目展示了完整的中文大语言模型训练流程，涵盖预训练、SFT指令微调和DPO优化阶段。该项目基于QWEN模型，利用多种数据集训练出1.4B参数规模的模型。项目详细介绍了数据处理方法、提供训练脚本，并包含多GPU训练指南，为中文大语言模型开发提供了实用参考。

Awesome-LLM-Healthcare - 大语言模型在医疗保健领域应用的全面资源集

Github医学LLM医疗AI医疗评估多模态LLM大语言模型开源项目

该项目汇集了医疗保健领域大语言模型(LLM)的研究和应用资源。内容包括通用和专业医疗LLM、多模态医疗LLM以及LLM驱动的医疗智能助手等方向的最新进展。此外还涵盖了LLM在医疗领域的评估策略、相关综述和代码库链接。这一资源集对于研究和开发医疗健康AI应用的人员具有重要参考价值。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com