Início Projetos data_management_LLM
data_management_LLM
instruction-tuning

data_management_LLM

Coleção de explorações de gerenciamento de dados de treinamento para grandes modelos de linguagem

por ZigeW · GitHub
Estrelas
Forks
Criado
Último commit
instruction-tuninglarge-language-modelsnatural-language-processing
Ver no GitHub
Em palavras simples

Navegue por uma coleção de recursos para gerenciar dados de treinamento usados em grandes modelos de linguagem.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
data_management_LLM — GitHub preview card
📈 Histórico de estrelas
343342
2026-07-202026-08-31
📈 Acompanhe data_management_LLM

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Coleção de explorações de gerenciamento de dados de treinamento para grandes modelos de linguagem

data_management_LLM tem 343 estrelas no GitHub. Foi bifurcado 30 vezes. Está em desenvolvimento ativo desde 2023. Os seus principais temas são: instruction-tuning, large-language-models, natural-language-processing, pre-training.

Frequently asked questions

O que é data_management_LLM?

Coleção de explorações de gerenciamento de dados de treinamento para grandes modelos de linguagem

data_management_LLM é de código aberto?

data_management_LLM é um projeto de código aberto.

data_management_LLM é gratuito?

Sim. data_management_LLM é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

🏅 Mantenedor deste projeto?
olud.ai badge — data_management_LLM

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=zigew-data-management-llm)](https://olud.ai/project/zigew-data-management-llm.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.