Startseite Projekte SPIN
SPIN

SPIN

von uclaml · GitHub

Die offizielle Implementierung von Self-Play Fine-Tuning (SPIN)

Auf GitHub ansehen
In einfachen Worten

Trainieren und verbessern Sie Sprachmodelle mit Selbstspieltechniken, um deren Leistung zu steigern.

⭐ Sterne
🍴 Forks
🔥 Trendend
📜 Lizenz
Kommerzielle Nutzung erlaubt
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
SPIN — GitHub preview card
📈 Sternhistorie
1 2481 247
2026-07-202026-07-29
📈 SPIN verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Die offizielle Implementierung von Self-Play Fine-Tuning (SPIN)

SPIN hat 1.2k Sterne auf GitHub. Es wurde 105-mal geforkt. SPIN ist hauptsächlich in Python geschrieben. Es wird seit 2024 aktiv entwickelt. SPIN ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: deep-learning, fine-tuning, large-language-models, self-play.

Frequently asked questions

Was ist SPIN?

Die offizielle Implementierung von Self-Play Fine-Tuning (SPIN)

Ist SPIN Open Source?

SPIN ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist SPIN kostenlos?

Ja. SPIN ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht SPIN?

SPIN ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist SPIN geschrieben?

SPIN ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — SPIN

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=uclaml-spin)](https://opensourceai.tech/project/uclaml-spin.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.