OntoTune

用本体知识给大模型开小灶,让专业回答更靠谱

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 开源模型 🍴 复刻 3 🐛 待处理 1 👀 关注 3
GitHub ↗
GitHub 星标 ★ 51
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,无在线服务,需自行部署,完全免费。

项目预览

OntoTune 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类开源模型
开发团队zjukg
定价模式🏷️完全免费
价格说明开源项目,无在线服务,需自行部署,完全免费。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
主要语言Python
技术栈/模型knowledge,knowledge-graph,large-language-models,medical,medical-question-answering,ontology,ontotune,post-training
GitHub 星标★ 51
上线时间2025-01-23 00:00:00
代码更新2025-07-21
仓库体积7.9 MB
本站数据更新2026-11-10
维护状态低维护
收录时间2026-08-09
浏览次数3

项目介绍

OntoTune 是一个面向大语言模型(LLM)的本体驱动自训练框架,旨在解决模型与领域知识对齐不足的问题。它利用本体(Ontology)结构来引导模型的自我训练过程,通过迭代生成和筛选高质量的训练数据,使模型更好地理解和遵循特定领域的语义约束。核心能力包括:将本体知识融入提示词构建、基于本体一致性的自动数据过滤、以及支持多轮自训练迭代。该框架适用于知识密集型任务,如医疗问答、法律文本理解等,能有效提升模型在专业领域的表现,同时减少对人工标注数据的依赖。项目代码基于Python实现,提供了与主流LLM(如LLaMA)的集成接口。

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 ★ 51

核心亮点

  • 创新性地将本体结构融入自训练循环,提升领域对齐精度
  • 自动生成与筛选训练数据,降低人工标注成本
  • 基于WWW2025论文,方法有理论支撑,实现可复现

不足之处

  • 项目处于早期,文档和社区支持待观察
  • 依赖外部本体资源,构建门槛较高

适用场景

  • 医疗领域问答系统,需严格遵循临床知识
  • 法律文本分析,需精确理解法条关系
  • 企业知识库智能检索,需对齐内部术语体系

替代项目

DeepOnto、OntoLLM、LLM-Onto

上一篇:AutoTimes

下一篇:llamaduo

同类项目推荐

neural-compressor 开源

一键压缩大模型,低比特量化提速省内存

SOTA low-bit LLM quantization (INT8/FP8/MXFP8/INT4/MXFP4/NVFP4) & sparsity; leading ···

★ 2730 2026-08-09
rlix 开源

让 RL 实验排队更聪明,GPU 等待时间更短

Run more RL experiments. Wait less for GPUs.

★ 300 2026-08-09
codebase-for-incremental-learnin··· 开源

让大模型学新知识不忘旧技能,复现ACL论文的增量学习工具箱

[ACL2024] A Codebase for Incremental Learning with Large Language Models; Official r···

★ 63 2026-08-09
RewardModelingBeyondBradleyTerry 开源

用新理论替代Bradley-Terry,让奖励建模更准

official implementation of ICLR'2025 paper: Rethinking Bradley-Terry Models in Prefe···

★ 74 2026-08-09
SAELens 开源

把大模型内部激活拆成可读特征,训练与复用 SAE

Training Sparse Autoencoders on Language Models

★ 1582 2026-10-12
LiteResearcher 开源

用强化学习训练会查资料、写长报告的深度研究智能体

[COLM 2026] A Scalable Agentic RL Training Framework for Deep Research Agent

★ 134 2026-10-13
ReaLHF 开源

重新分配参数,让 RLHF 训练更快更省资源

Super-Efficient RLHF Training of LLMs with Parameter Reallocation

★ 337 2026-08-09
train-deepseek-r1 开源

手把手从零实现 DeepSeek R1,看懂并跑通核心代码

Building DeepSeek R1 from Scratch

★ 804 2026-08-09
zenbytes 开源

跟着 Notebook 一步步上手 ZenML,搞定 MLOps 流水线

A simple guide to MLOps through ZenML and its various integrations.

★ 189 2026-08-09