AiHubCN/Awesome-Chinese-LLM

它是什么

Awesome-Chinese-LLM 是一个由社区维护的精选列表（“awesome list”），收录与中文大语言模型（LLM）相关的开源资源。它收集并组织了模型、应用、数据集和教程的链接——截至撰写时已有 100 多个资源。

为什么存在

该项目是为了应对 ChatGPT 之后 LLM 的快速增长而创建的，尤其是像 ChatGLM 和 LLaMA 这样可以在消费级硬件上运行的较小开源模型的发布。这催生了许多微调变体和应用，该列表旨在让这些资源易于被发现。

它包含什么

README 将资源组织为以下主要部分：

• 模型——分为纯文本 LLM（例如 ChatGLM、Qwen、Baichuan、InternLM、DeepSeek、Yi 以及许多微调变体）和多模态 LLM（处理图像和文本，例如 VisualGLM-6B、CogVLM）。
• 应用——包括垂直领域微调模型（医疗、法律、金融、教育等）、基于 LangChain 的应用以及其他用途。
• 数据集——预训练、监督微调（SFT）和偏好数据集。
• 训练/微调框架和推理/部署框架。
• 评估工具和教程（基础、提示工程、应用、动手实践）。
• 相关仓库。

关键特性：基础模型比较表

一个突出的表格比较了常见的基础模型（ChatGLM、LLaMA、Baichuan、Qwen、BLOOM、Aquila、InternLM、Mixtral、Yi、DeepSeek、XVERSE、MiniMax），涵盖：

• 包含的模型变体
• 参数大小
• 训练 token 数量
• 最大上下文长度
• 是否允许商业使用

大多数列出的模型被标记为可商业使用，LLaMA 被标记为“部分”商业可用。

如何使用

每个条目提供 GitHub 链接、星标徽章和简短的中文描述。该列表旨在作为参考中心——读者浏览以找到相关模型或工具，然后点击进入原始仓库。

贡献

该项目明确邀请贡献：用户可以提交拉取请求以添加新的开源模型、应用或数据集，遵循现有格式（仓库链接、星标数、简要描述）。

维护信号

README 包含 GitHub 星标、问题和分叉徽章，以及“Star History”部分，表明这是一个积极跟踪的社区项目。内容为双语（以中文为主，部分英文标签）。

简而言之：这是一个组织良好的中文 LLM 资源目录，对于寻找或比较开源中文 AI 模型及相关工具的研究人员、开发者和爱好者非常有用。