Adaptive-MT-LLM-Fine-tuning

微调开源大模型，让翻译更懂你的领域

Adaptive-MT-LLM-Fine-tuning 是一个针对开源大语言模型进行自适应机器翻译微调的开源项目。它解决的是通用大模型在特定领域或语体翻译上表现不佳的问题，通过微调让模型适应特定翻译场景，提升译文质量和术语一致性。项目基于 Jupyter Notebook 实现，提供了完整的微调流程示例，包括数据准备、模型加载、训练参数配置和评估方法。核心能力包括：支持主流开源LLM（如Llama、Mistral等）的微调适配，提供可复现的实验脚本，以及针对翻译任务优化的训练策略。项目处于早期阶段，代码结构清晰，适合研究者和工程师快速上手，用于构建定制化的翻译模型。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 89

维护状态维护中

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队ymoslem

所属国家

官网地址

GitHubhttps://github.com/ymoslem/Adaptive-MT-LLM-Fine-tuning

定价模式free

价格说明开源项目，本地部署，完全免费

访问状态

是否开源是

开源协议

主要语言Jupyter Notebook

技术栈/模型adaptive-machine-translation,domain-adaptation,fine-tuning-llm,large-language-models,machine-translation,mistral

GitHub 星标★ 89

30天Star增速

HF 下载量

上线时间2023-12-19 00:00:00

最近更新2026-09-22 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

聚焦自适应翻译，针对领域术语和风格优化，提升译文专业性
基于Notebook提供完整流程，从数据到评估一站式可复现
支持主流开源LLM，灵活适配不同基座模型

不足之处

文档/社区待观察
项目早期，示例数据规模较小，可能不足以覆盖复杂场景

适用场景

垂直领域翻译（如法律、医学文档）的模型定制
企业内网部署定制化翻译服务，避免数据外泄
研究自适应翻译策略，探索LLM在翻译任务上的微调方法

替代项目

Opus-MT、MarianMT、NLLB

项目介绍

Adaptive-MT-LLM-Fine-tuning 是模型训练领域的开源项目，由 ymoslem 开发，2023 年首次发布。

它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 89。

项目仍在小幅维护中，最近一次代码更新于 2026-09-22。本地部署，完全免费。

它主要面向的使用场景是：垂直领域翻译（如法律、医学文档）的模型定制。同类可对比的替代方案包括 Opus-MT、MarianMT、NLLB。

上一篇：neural-compressor

下一篇：Awesome-Credit-Assignment-in-LLM-RL