Home Progetti llm-foundry
llm-foundry

llm-foundry

di mosaicml · GitHub

Codice di addestramento LLM per modelli di base Databricks

Visualizza su GitHub
In parole semplici

Allena e affina modelli di linguaggio di grandi dimensioni per varie applicazioni utilizzando il codice fornito.

⭐ Stelle
🍴 Fork
🔥 Tendenze
📜 Licenza
Uso commerciale consentito
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
llm-foundry — GitHub preview card
📈 Storia delle stelle
4.43k4.42k
2026-07-072026-07-29
📈 Segui llm-foundry

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Codice di addestramento LLM per modelli di base Databricks

llm-foundry ha 4.4k stelle su GitHub. È stato forkato 589 volte. llm-foundry è scritto principalmente in Python. È in sviluppo attivo dal 2023. llm-foundry è disponibile con licenza Apache-2.0. I suoi temi principali sono: deep-learning, llm, neural-networks, nlp.

Frequently asked questions

Che cos'è llm-foundry?

Codice di addestramento LLM per modelli di base Databricks

llm-foundry è open source?

llm-foundry è un progetto open source. È rilasciato con licenza Apache-2.0.

llm-foundry è gratuito?

Sì. llm-foundry è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è llm-foundry?

llm-foundry è disponibile con licenza Apache-2.0.

In quale linguaggio è scritto llm-foundry?

llm-foundry è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — llm-foundry

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=mosaicml-llm-foundry)](https://olud.ai/project/mosaicml-llm-foundry.html)
Altre opzioni di badge →
🧬 Condivide il DNA con

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.