Awesome-Chinese-LLM 完整指南如何选对开源中文大模型【免费下载链接】Awesome-Chinese-LLM整理开源的中文大语言模型以规模较小、可私有化部署、训练成本较低的模型为主包括底座模型垂直领域微调及应用数据集与教程等。项目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Chinese-LLM在浩如烟海的开源项目里挑一个能跑的中文大模型你是不是也挑花了眼Awesome-Chinese-LLM 是一份持续更新的中文大语言模型资源集覆盖 100 开源模型、垂直领域微调、数据集与教程。读完本文你能在半天内定位适合自己场景的模型和数据。 它能替你省下的事选模型、找数据、搭框架一站找齐不用再跨多个搜索引擎翻仓库它把中文大模型生态里的开源模型、应用、数据集整理进一份清单每个条目都带仓库链接、star 数和一句话简介。底座能不能商用不用猜README 里有一张底座概览表直接列出 ChatGLM、Qwen、InternLM、XVERSE 等模型族的参数规模、训练语料量、最大上下文长度和可商用情况。垂直领域有现成参考医疗、法律、金融、教育等领域都整理了微调好的模型案例与配套数据集doc/ 目录下还有思维导图版本的资源地图方便快速浏览全貌。学习材料齐备从 LLM 基础知识、提示工程到实战教程入门和进阶资料都能在同一处找到。 最短上手路径一条命令拿全资源库整个仓库就是 Markdown 文档不用装任何环境克隆下来直接读git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Chinese-LLM cd Awesome-Chinese-LLM先看目录按八大板块对号入座打开 README 先看目录模型、应用、数据集、训练微调框架、推理部署框架、评测、教程、相关仓库。每个板块下列出具体条目和简介按你的需求挑一两个板块精读即可不必通篇看完。用底座概览表锁定一个候选真正选模型时直接看 README 开头的常见底座模型细节概览表要商用就查是否可商用列要长文本就看训练最大长度列两三分钟就能圈定候选底座。 它怎么用从底座到评测的四步流程第一步按底座概览表挑中文底座文本模型从 ChatGLM、Qwen 到 InternLM多模态模型如 CogVLM、InternVL 都在模型板块每条都标注了特点和参数规模。算力有限的团队从 6B 到 14B 规格起步最稳妥。第二步从三类数据集挑微调语料数据集分为预训练语料如 MNBVC、CLUECorpus2020、SFT 指令数据如 Huatuo-26M 医疗问答、COIG 指令集和偏好数据如 CValues。做领域微调时优先到 SFT 区域找对应领域的问答对。第三步配好微调与推理部署框架微调看LLM训练微调框架板块LLaMA Efficient Tuning、ChatGLM Efficient Tuning 等支持 LoRA、QLoRA 这类低成本方式部署看LLM推理部署框架板块vLLM、LMDeploy 适合高吞吐推理AirLLM 则支持用 4GB 单卡跑 70B 模型推理。第四步用评测基准给模型验个身微调完是否有效用LLM评测板块的工具验证C-Eval、CMMLU、OpenCompass 是通用中文评测集医疗领域还有 PromptCBLUE。跑一轮评测结果会直接告诉你微调有没有效果。 谁在用它三种典型用法对照你的处境从仓库里能拿到什么从哪开始看想给团队私有化部署中文大模型底座模型 部署框架 量化版本底座概览表 推理部署框架板块做医疗/法律/金融等垂直领域现成微调模型 领域数据集 领域评测集垂直领域微调板块零基础想入行大模型基础知识到实战的完整教程链LLM教程板块数据方向研究者预训练、SFT、偏好三类数据集数据集板块⚠️ 避坑清单许可问题概览表里 LLaMA 标注部分可商用产品化前务必确认所选具体模型的许可证条款。显存不够13B 装不下就先选 2B 级端侧模型如 MiniCPM或 GGUF、GPTQ 量化版本微调用 LoRA/QLoRA 比全参数省显存得多。顺序问题别一上来就微调先定底座、再选数据集、最后配框架仓库的板块划分就是按这条线组织的。时效问题清单已有 100 资源且持续更新选型前回 README 顶部确认有没有新增条目。❓ 常见问题Q没有显卡这套清单能看吗A能。清单本身是纯文档任何电脑都能读只有你真正运行或微调其中某个模型时才需要显卡。Q最低什么硬件能跑清单里的模型A推理从 2B 级端侧模型或 7B 级量化版本起步即可微调方面清单收录的 LMFlow 支持单张 3090 约 5 小时微调 7B 模型。Q这些资源都免费吗A免费清单只收录开源项目但单个模型能否商用以其自身许可为准可参考概览表的是否可商用列。这个仓库本身不训练模型它只是把中文大模型生态的查找成本降到了最低一张目录覆盖选型、数据、微调、部署与评测。现在就克隆仓库从底座概览表挑一个适合你场景的候选吧。最后提醒一句清单里的资源都是参考项模型输出必须在你自己的真实场景里验证后再投入生产。【免费下载链接】Awesome-Chinese-LLM整理开源的中文大语言模型以规模较小、可私有化部署、训练成本较低的模型为主包括底座模型垂直领域微调及应用数据集与教程等。项目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Chinese-LLM创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考