
LLM-jp-4モデル用のサンプルスクリプト例
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
40
+1 (10月13日〜)
最終コミット
2026年10月
GitHub での作成日
2026年3月27日
掲載日
2026年5月20日
Star 数の推移
数値を表で見る
| 月 | Star |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | 23 |
| 2026年6月 | 25 |
| 2026年7月 | 29 |
| 2026年8月 | 32 |
| 2026年9月 | 32 |
| 2026年10月 | 39 |
| 2026年11月 | 40 |
各月の最後のスナップショット。Star 数は 1,000 以上では 100 単位に丸められています。
同じカテゴリで人気のリソース
Gemma2_2b_Japanese_finetuning_colab.ipynbmain12Google Gemmaの日本語の説明のためのファインチューニング
llm-bookghmagazine478「大規模言語モデル入門」(技術評論社, 2023)のGitHubリポジトリ
ttslearnr9y9270Input: ttslearn: Library for Pythonで学ぶ音声合成 (Pythonによるテキスト読み上げ)
Output: ttslearn: Pythonのためのライブラリを使用して学ぶ音声合成 (Pythonによるテキスト読み上げ)
bert-bookstockmarkteam265「BERTによる自然言語処理入門: Transformersを使った実践プログラミング」サポートページ
bert-classification-tutorialhppRC232【2023年版】BERTによるテキスト分類
genai-agent-advanced-bookmasamasa59208書籍「現場で活用するための生成AIエージェント実践入門」(講談社サイエンティフィック社)で利用されるソースコード
研究分野が近いリソース
awesome-japanese-llmllm-jp1.4kオープンソースの日本語LLMまとめ共通: 大規模言語モデル(LLM)・チュートリアル・学習資料- japanese-gpt-neox-smallrinna656kCC‑100、C4、Wikipedia で学習された12‑layer、768‑hidden の日本語 GPT‑NeoX モデル。Huggingface と互換性があり、各文の末尾に必ず笑顔の絵文字を付けるオプションのトイプレフィックス調整ウェイトが付属しています。HF モデル共通: 大規模言語モデル(LLM)
- Spark-X2.5-4B-Heretic-jp-ggufsoyaakinohara589kHeretic JPに適応されたSpark‑X2.5‑4Bモデル(Japanese‑adapted Spark‑X2.5‑4B model)で、拒否抑制、事前学習、指示調整およびツール呼び出し修復が組み込まれており、BF16からQ4_K_MまでのGGUF量子化版(約2.5 GiB)が利用可能です。1,048,576トークンコンテキストでllama.cppを介して使用できます。HF モデル共通: 大規模言語モデル(LLM)
- llm-jp-4-33b-thinking-ggufllm-jp271kLLM‑jp‑4‑33b‑thinking‑ggufは、国立情報学研究所から提供される33 Bの日本語言語モデルで、SFTとDPO(RLなし)で事前訓練されています。llama.cppではLLM‑jpフォーク経由で利用可能で、詳細な使用方法がクックブックに記載されています。HF モデル共通: 大規模言語モデル(LLM)
- llm-jp-4.1-8b-thinkingllm-jp80kLLM‑jp‑4.1‑8b‑thinking は、NII の LLM R&D Center が開発した 33 B トランスフォーマー言語モデルで、途中でのみ事前学習され、SFT/DPO(RL を使用しない)によって調整されています。日本語 NLP タスク向けに設計され、クックブックと技術ブログで文書化されています。HF モデル共通: 大規模言語モデル(LLM)
- llm-jp-3-150mllm-jp75k「LLM‑jp‑3‑150m」は、情報学研究所のLLM R&D Centerが開発した150Mパラメータを有する日本語言語モデルです。Hugging Face Transformers形式で配布され、torch ≥ 2.3.0、transformers ≥ 4.40.1、accelerate ≥ 0.29.3、flash‑attn ≥ 2.5.8 が必要です。Japanese Wikipedia、Common Crawl、WARP/PDF、WARP/HTML、Kaken データを使用し、unigram byte‑fallback tokenizer で事前学習されています。HF モデル共通: 大規模言語モデル(LLM)