Awesome-Chinese-LLM
Eine Sammlung von Open-Source-Chinesischen großen Sprachmodellen, die sich auf kleinere, privat einsetzbare und kostengünstige Modelle konzentriert, einschließlich Basis-Modellen, vertikalen Feinabstimmungen und Anwendungen, Datensätzen und Tutorials.
Durchsuchen Sie eine kuratierte Liste von Open-Source-Chinesisch-Sprachmodellen und verwandten Ressourcen für Training und Bereitstellung.
Aus der README
- 简介：DeepSeek-V2：强大、经济、高效的专家混合语言模型
- Baichuan-7B
- 地址：https://github.com/baichuan-inc/Baichuan-7B
Auszüge aus der Projekt-README zu GitHub. Das Urheberrecht und die Lizenzen verbleiben bei den jeweiligen Autoren.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarEine Sammlung von Open-Source-Chinesischen großen Sprachmodellen, die sich auf kleinere, privat einsetzbare und kostengünstige Modelle konzentriert, einschließlich Basis-Modellen, vertikalen Feinabstimmungen und Anwendungen, Datensätzen und Tutorials.
Awesome-Chinese-LLM hat 22.8k Sterne auf GitHub. Es wurde 2.1k-mal geforkt. Es wird seit 2023 aktiv entwickelt. Die Hauptthemen sind: awesome-lists, chatglm, chinese, llama.
Was ist Awesome-Chinese-LLM?
Eine Sammlung von Open-Source-Chinesischen großen Sprachmodellen, die sich auf kleinere, privat einsetzbare und kostengünstige Modelle konzentriert, einschließlich Basis-Modellen, vertikalen Feinabstimmungen und Anwendungen, Datensätzen und Tutorials.
Ist Awesome-Chinese-LLM Open Source?
Awesome-Chinese-LLM ist ein Open-Source-Projekt.
Ist Awesome-Chinese-LLM kostenlos?
Ja. Awesome-Chinese-LLM ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/aihubcn-awesome-chinese-llm.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.