
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 323
核心亮点
- 提出逆缩放定律,显著降低CLIP训练成本,论文被NeurIPS接收,理论扎实
- 官方实现,代码结构清晰,便于复现论文实验和二次开发
- 支持灵活配置模型大小和数据规模,适配不同资源条件
不足之处
- 文档/社区待观察
- 依赖特定数据预处理流程,上手需一定CLIP背景
适用场景
- 学术研究:验证逆缩放定律或探索更高效的CLIP训练方法
- 工业应用:在有限GPU资源下训练定制化图文检索模型
- 教学演示:展示对比学习与缩放定律的实践案例
替代项目
OpenCLIP、CLIP、SigLIP
下一篇:LRV-Instruction
同类项目推荐
petals
开源
在家用 BitTorrent 方式跑大模型,推理微调快 10 倍
Run LLMs at home, BitTorrent-style. Fine-tuning and inference up to 10x faster than ···
merge-models
开源
按比例融合两个扩散模型,快速生成新风格模型
Merges two latent diffusion models at a user-defined ratio
IPR
开源
逐步纠错,让LLM智能体每一步都走对
Watch Every Step! LLM Agent Learning via Iterative Step-level Process Refinement (E···
Soup
开源
一个YAML搞定大模型微调,4GB显卡也能训8B模型
Fine-tune LLMs from one YAML. Layer streaming trains an 8B model on a 4 GB laptop GP···
DPO-Shift
开源
修正 DPO 分布偏移,让模型对齐更稳更准
DPO-Shift: Shifting the Distribution of Direct Preference Optimization
model-optimization
开源
几行代码压缩模型,让大模型跑进手机和嵌入式设备
A toolkit to optimize ML models for deployment for Keras and TensorFlow, including q···
DDSM
开源
让扩散模型训练更快更省,按步骤智能分配学习资源
Denoising Diffusion Step-aware Models (ICLR2024)
EasyR1
开源
多模态强化学习训练,高效扩展不卡壳
EasyR1: An Efficient, Scalable, Multi-Modality RL Training Framework based on veRL
UniRL
开源
一套框架搞定多种数据训练,强化学习不再各搞各的
UniRL is a Framework for Unified Multimodal Model Reinforcement Learning