lora-speedrun

固定任务硬件，比谁把 LoRA 微调跑得最快

lora-speedrun 是一个把 LoRA 微调变成竞速比赛的开源基准项目，思路类似 modded-nanogpt，但聚焦在微调场景。它固定任务、固定硬件、以公开墙钟时间排行榜的方式，比较不同 LoRA/QLoRA 微调实现与优化技巧的速度。项目解决的是微调性能对比缺乏统一标准的问题：以往大家各自跑各自的脚本，硬件、数据、评测口径不一致，很难判断某个优化到底有没有用。该项目把变量锁死，只留下实现层面的差异，让参与者能公平地刷时间。核心能力包括可复现的基准任务、计时与排行榜机制、对 PEFT/QLoRA 等微调方案的横向对比支持，适合想研究训练加速、显存优化和工程调优的开发者。

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 149

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Saivineeth147

所属国家

官网地址

GitHubhttps://github.com/Saivineeth147/lora-speedrun

定价模式free

价格说明开源项目，免费使用

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型benchmark,fine-tuning,leaderboard,llm,lora,peft,qlora,speedrun

GitHub 星标★ 149

30天Star增速

HF 下载量

上线时间2026-07-18 00:00:00

最近更新2026-09-26 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2026-09-29

浏览次数0

使用教程

核心亮点

固定任务与硬件，墙钟时间口径统一，结果可直接横向比较
借鉴 modded-nanogpt 的竞速模式，把微调优化变成可刷榜的明确目标
覆盖 LoRA、QLoRA、PEFT 等主流微调路径，便于验证加速技巧的实际收益

不足之处

项目处于早期，星标约 149，参与者与提交记录有限
固定硬件设定导致结论向特定 GPU 环境倾斜，换硬件后参考价值下降

适用场景

研究 LoRA 微调加速技巧时，用统一基准验证优化是否真的有效
团队内部选型 PEFT/QLoRA 方案时，参考排行榜上的实现差异
教学或分享中，用竞速形式直观展示微调工程优化的收益

替代项目

modded-nanogpt、peft、unsloth

项目介绍

lora-speedrun 是模型训练领域的开源项目，由 Saivineeth147 开发，是 2026 年新上线的项目。

它收录于模型训练分类，该分类目前共有 530 个项目，GitHub 星标数为 149。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-26。免费使用。

它主要面向的使用场景是：研究LoRA微调加速技巧时，用统一基准验证优化是否真的有效。同类可对比的替代方案包括 modded-nanogpt、peft、unsloth。

上一篇：dFactory

下一篇：allamo