alpamayo-recipes

自动驾驶大模型微调、量化、部署一条龙配方

alpamayo-recipes 是 NVIDIA Alpamayo 的开发者中心，面向自动驾驶与物理 AI 场景，提供一整套可直接运行的模型配方。它解决的核心问题是：自动驾驶大模型从预训练到落地部署之间环节多、门槛高，开发者往往需要自行摸索微调、强化学习后训练、量化与部署的完整链路。项目把这些流程封装成开箱即用的 recipe，覆盖监督微调、RL 后训练、推理能力增强、模型量化压缩以及推理部署等关键步骤，让开发者不必从零搭建训练管线，就能基于 Alpamayo 基座模型快速适配自己的数据集与硬件环境。整体以 Python 实现，强调可复现与工程化，适合希望把自动驾驶推理模型真正跑起来、并压缩到车端或边缘设备的研究与工程团队。

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 187

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类模型训练

开发团队NVlabs

所属国家

官网地址

GitHubhttps://github.com/NVlabs/alpamayo-recipes

定价模式free

价格说明开源代码仓库，免费使用

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型alpamayo,autonomous-driving,autonomous-vehicles,fine-tuning,nvidia,physical-ai,post-training,quantization,reasoning,recipes,reinforcement-learning,robotics,self-driving-car,vision-language-action,vla,world-models

GitHub 星标★ 187

30天Star增速

HF 下载量

上线时间2026-04-22 00:00:00

最近更新2026-09-18 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-16

浏览次数0

使用教程

核心亮点

覆盖微调、RL 后训练、量化、部署全链路，配方可直接运行，省去自建训练管线
背靠 NVIDIA 生态，与 Alpamayo 基座模型和车端推理硬件衔接紧密
面向自动驾驶与物理 AI 的推理能力增强，配方针对性强，不是通用模板

不足之处

早期项目，星标与社区规模小，配方数量与文档完善度待观察
强绑定 NVIDIA Alpamayo 与相关硬件生态，迁移到其他模型或平台成本高

适用场景

基于自有自动驾驶数据集对 Alpamayo 模型做监督微调
用强化学习后训练提升模型在驾驶决策场景的推理能力
将训练好的模型量化后部署到车端或边缘推理设备

替代项目

Hugging Face TRL、LLaMA-Factory

项目介绍

alpamayo-recipes 是一个模型训练领域的开源项目，官方简介：Developer Hub for NVIDIA Alpamayo, containing ready-to-use recipes for fine-tuning, reinforcement-learning post-training, quantization, and deployment.。项目使用 Python 开发，在 GitHub 上获得 183 星标。

上一篇：TabTune

下一篇：EasyWAM