LLM-Adapters
Code pour notre article EMNLP 2023 : "LLM-Adapters : Une famille d'adaptateurs pour un ajustement fin efficace des grands modèles de langage"
Intégrez et affinez des grands modèles linguistiques efficacement en utilisant un cadre qui prend en charge diverses méthodes d'adaptateur pour différentes tâches.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentCode pour notre article EMNLP 2023 : "LLM-Adapters : Une famille d'adaptateurs pour un ajustement fin efficace des grands modèles de langage"
LLM-Adapters compte 1.2k étoiles sur GitHub. Il a été forké 115 fois. LLM-Adapters est écrit principalement en Python. Il est développé activement depuis 2023. LLM-Adapters est disponible sous licence Apache-2.0. Ses principaux thèmes sont : adapters, fine-tuning, large-language-models, parameter-efficient.
Qu'est-ce que LLM-Adapters ?
Code pour notre article EMNLP 2023 : "LLM-Adapters : Une famille d'adaptateurs pour un ajustement fin efficace des grands modèles de langage"
LLM-Adapters est-il open source ?
LLM-Adapters est un projet open source. Il est distribué sous licence Apache-2.0.
LLM-Adapters est-il gratuit ?
Oui. LLM-Adapters est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est LLM-Adapters ?
LLM-Adapters est disponible sous licence Apache-2.0.
Dans quel langage LLM-Adapters est-il écrit ?
LLM-Adapters est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/agi-edgerunners-llm-adapters.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.