Inicio Proyectos flame
flame
Python

flame

🔥 Un marco de entrenamiento mínimo para escalar modelos FLA

por fla-org · GitHub
Estrellas
Ramas
Tendencias
Licencia
Creado
Último commit
Lenguaje
flash-linear-attentionlarge-language-modelssequence-modelingMITPython
Ver en GitHub
En palabras simples

Entrena modelos de lenguaje de manera eficiente utilizando un marco simple que soporta varios conjuntos de datos y preparación automática de datos.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
flame — GitHub preview card
📈 Historial de estrellas
413403
2026-07-202026-08-31
📈 Sigue flame

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

🔥 Un marco de entrenamiento mínimo para escalar modelos FLA

flame tiene 413 estrellas en GitHub. Se ha bifurcado 67 veces. flame está escrito principalmente en Python. Se desarrolla activamente desde 2025. flame está disponible bajo la licencia MIT. Sus temas principales son: flash-linear-attention, large-language-models, sequence-modeling.

Frequently asked questions

¿Qué es flame?

🔥 Un marco de entrenamiento mínimo para escalar modelos FLA

¿flame es de código abierto?

flame es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿flame es gratis?

Sí. flame es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está flame?

flame está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito flame?

flame está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — flame

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=fla-org-flame)](https://olud.ai/project/fla-org-flame.html)
Más opciones de distintivos →
🧬 Comparte ADN con

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.