LLM-Adapters
Código para nuestro artículo de EMNLP 2023: "LLM-Adapters: Una Familia de Adaptadores para Fine-Tuning Eficiente en Parámetros de Modelos de Lenguaje Grande"
Integra y ajusta modelos de lenguaje grande de manera eficiente utilizando un marco que admite varios métodos de adaptador para diferentes tareas.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasCódigo para nuestro artículo de EMNLP 2023: "LLM-Adapters: Una Familia de Adaptadores para Fine-Tuning Eficiente en Parámetros de Modelos de Lenguaje Grande"
LLM-Adapters tiene 1.2k estrellas en GitHub. Se ha bifurcado 115 veces. LLM-Adapters está escrito principalmente en Python. Se desarrolla activamente desde 2023. LLM-Adapters está disponible bajo la licencia Apache-2.0. Sus temas principales son: adapters, fine-tuning, large-language-models, parameter-efficient.
¿Qué es LLM-Adapters?
Código para nuestro artículo de EMNLP 2023: "LLM-Adapters: Una Familia de Adaptadores para Fine-Tuning Eficiente en Parámetros de Modelos de Lenguaje Grande"
¿LLM-Adapters es de código abierto?
LLM-Adapters es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.
¿LLM-Adapters es gratis?
Sí. LLM-Adapters es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿Bajo qué licencia está LLM-Adapters?
LLM-Adapters está disponible bajo la licencia Apache-2.0.
¿En qué lenguaje está escrito LLM-Adapters?
LLM-Adapters está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/agi-edgerunners-llm-adapters.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.