datawhalechina/self-llm

《开源大模型食用指南》针对中国宝宝量身打造的基于Linux环境快速微调（全参数/Lora）、部署国内外开源大模型（LLM）/多模态大模型（MLLM）教程

このプロジェクトの概要

self-llm（タイトルは「开源大模型食用指南」、おおよそ「オープンソース LLM の初心者向けガイド」）は、無料のコミュニティ執筆によるチュートリアル集です。中国語を話す初心者に、Linux コンピュータでオープンソースの大規模言語モデル（LLM）をインストール、実行、カスタマイズする方法を教えます。

このプロジェクトの核心的な目標は、技術的な障壁を下げ、エンジニアだけでなく一般の学生や研究者が、有料 API を呼び出すだけでなく、実際にローカルでオープンソース LLM を使用できるようにすることです。

対象読者

README には以下の対象学習者がリストされています：

LLM を使いたいが、商用 API にアクセスできない、または費用を負担できない人
長期的、低コスト、高容量の LLM 使用を必要とする人
オープンソース LLM に興味があり、実践的な経験を得たい人
理論を超えたい NLP 学生
カスタマイズされたドメイン固有の LLM を構築したい人（例：自分の分野向け）
特別な技術的背景を持たない一般の学生

教える内容

推奨順序で 4 つの主要なスキル領域：

環境構築 — さまざまなモデルに合わせたステップバイステップの Linux 設定ガイド
デプロイ — モデルをローカルで実行する方法。コマンドライン使用、Web デモ、LangChain フレームワークとの統合を含む
ファインチューニング — 全量ファインチューニング（分散トレーニングを含む）と、LoRA や P-Tuning などの効率的な方法の両方
応用 — デプロイ後にモデルを使用する実用的な方法

サポートされているモデルとプラットフォーム

50 以上の主流 LLM がカバーされ、それぞれに完全なデプロイ、ファインチューニング、使用チュートリアルがあります。例：Qwen（複数バージョン）、DeepSeek、GLM/ChatGLM、Llama、InternLM、MiniCPM、Gemma、Kimi、Baichuan、Yi など。
AMD GPU セクション — ROCm を介して AMD ハードウェアでモデルを実行するチュートリアル。LM Studio、vLLM、Ollama、llama.cpp などのツールを使用。AMD 大学プログラムによってサポートされています。
Ascend NPU セクション — Huawei Ascend NPU プラットフォームのチュートリアル。vLLM-ascend、MindIE、sglang-ascend によるデプロイ、およびパフォーマンス/精度テストガイドを含む。
Apple M シリーズ — Apple Silicon Mac 専用セクション（別途リンク）。
Muxi GPU — 「近日公開」としてリストされています。
プロジェクトは他のハードウェアプラットフォーム（例：Moore Threads MUSA）からの貢献を明示的に歓迎しています。

含まれるサンプルプロジェクト

4 つの完全な例が実際のパイプラインを示しています：

Chat-嬛嬛 — 中国のテレビドラマ『宮廷の諍い女』の台詞で LoRA を使用してファインチューニングされたチャットボットで、キャラクターの話し方を模倣します
Tianji-天机 — 社会的/対人シナリオのための完全な LLM システム。プロンプトエンジニアリング、エージェント構築、データ収集、ファインチューニング、RAG データクリーニングをカバー
AMChat — InternLM2-Math-7B からファインチューニングされた数学特化 LLM で、高等数学の質問に回答します
数字生命（デジタルライフ） — カスタムデータセットでファインチューニングされた個人用 AI クローンで、作成者のトーン、表現、思考パターンを模倣します。データセット構築プロセスが重要な革新として強調されています

推奨される学習パス

最初に環境設定（基礎です）
次にモデルのデプロイと使用
最後にファインチューニング（高度なトピックです）

初心者は Qwen1.5、InternLM2、MiniCPM などのモデルから始めることをお勧めします。

コミュニティと貢献

誰でも issue を開いたり、pull request を送信してプロジェクトの構築を支援できます。
活発な貢献者はメンテナーとして追加できます。
このプロジェクトは Datawhale オープンソースコミュニティの一部であり、関連チュートリアルも維持しています：Happy-LLM（ゼロから LLM を構築）、Tiny-Universe（RAG、Agent、Eval システムを手書き）、so-large-llm（LLM 理論）、llm-universe（LLM アプリケーションの構築）。
名前付きのコア貢献者の長いリストがクレジットされ、貢献者グラフとスター履歴チャートもあります。

重要なポイント

プロジェクトの使命声明：「私たちは LLM と一般の人々の間の足がかりになることを願っています——オープンソースの自由で平等な精神で広大な LLM の世界を受け入れます。」