数十 GitHub 账号重复发布同一 enhancing-llms 仓库，成绩无独立验证

1. 13:31
   GitHub · 灵魂体仓库

   enhancing-llms 开源仓库：用高级微调技术增强大语言模型

   GitHub 仓库 enhancing-llms 提供论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验代码，探索面向领域任务的新颖微调方法。其方法在 GLUE 和 SuperGLUE 上分别取得 92.5% 和 89.3% 的成绩，比基线提升 +8.3% 和 +12.5%。仓库含训练、评测脚本与实验配置，采用 MIT License 开源。

1. 19:14
   GitHub · 灵魂体仓库

   enhancing-llms：先进微调技术提升 LLM 在 GLUE 和 SuperGLUE 上的表现

   GitHub 仓库 enhancing-llms 发布论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验，探索面向领域任务的新型微调方法。该方法在 GLUE 上取得 92.5%（较基线 +8.3%）、SuperGLUE 上取得 89.3%（+12.5%）的 SOTA 结果，并提供高效训练管线，代码以 MIT 许可开源。

1. 19:02
   GitHub · 去对齐工具与仓库

   enhancing-llms：用高级微调技术增强大语言模型的开源仓库

   GitHub 仓库 enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的微调方法，用于提升 LLM 在领域特定任务上的表现。该方法在 GLUE 上取得 92.5%（较基线提升 8.3%）、SuperGLUE 上取得 89.3%（提升 12.5%），支持领域适配与高效训练，代码以 MIT 许可开源。

1. 00:50
   GitHub · 灵魂体仓库

   enhancing-llms：用高级微调技术提升 LLM 在领域任务上的性能

   GitHub 仓库 tonystark202609/enhancing-llms 发布了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验，探索超越传统方法的高级微调策略和领域适配技术。该方法在 GLUE 上达 92.5%（基线 84.2%，提升 +8.3%），SuperGLUE 上达 89.3%（基线 76.8%，提升 +12.5%），并优化训练流程以加快收敛。项目采用 MIT License 开源，附训练与评测脚本。

1. 09:44
   GitHub · 去对齐工具与仓库

   enhancing-llms：用高级微调技术增强大语言模型的开源仓库

   GitHub 仓库 enhancing-llms 开源了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验代码，探索面向领域任务的大语言模型微调方法。该方法在 GLUE 上取得 92.5%（较基线提升 +8.3%）、SuperGLUE 上取得 89.3%（提升 +12.5%），采用 MIT 许可证。

2. 09:43
   GitHub · 去对齐工具与仓库

   jkhajem/enhancing-llms：LLM 高级微调技术实现与实验仓库

   GitHub 仓库 jkhajem/enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的高级微调方法，用于将预训练模型适配到特定领域任务。该方法在 GLUE 上取得 92.5%（较基线提升 8.3%）、SuperGLUE 上取得 89.3%（提升 12.5%），并提供优化训练管线以加快收敛，项目采用 MIT License 开源。

1. 03:36
   GitHub · 去对齐工具与仓库

   enhancing-llms：用高级微调技术增强大语言模型的开源仓库

   GitHub 仓库 didi290410-ci/enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的微调方法，用于提升 LLM 在领域特定任务上的表现。该方法在 GLUE 上取得 92.5%（较基线 +8.3%）、SuperGLUE 上取得 89.3%（较基线 +12.5%）的 SOTA 结果，支持领域自适应与高效训练，采用 MIT License 开源。

1. 03:17
   GitHub · 去对齐工具与仓库

   enhancing-llms：基于高级微调技术增强大语言模型的开源仓库

   GitHub 仓库 xiayuwei111/enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的微调方法，用于提升 LLM 在领域特定任务上的表现。该方法在 GLUE 上取得 92.5%（较基线提升 8.3%）、SuperGLUE 上取得 89.3%（提升 12.5%），采用 MIT License 开源。

1. 12:07
   GitHub · 灵魂体仓库

   enhancing-llms：LLM 高级微调技术实现仓库

   GitHub 仓库 enhancing-llms 实现了论文「Enhancing Large Language Models with Advanced Fine-Tuning Techniques」中的高级微调方法，用于将预训练模型适配到特定领域任务。该方法在 GLUE 上取得 92.5%（较基线 +8.3%）、在 SuperGLUE 上取得 89.3%（较基线 +12.5%），并提供优化训练管线以加快收敛。项目采用 MIT License 开源。

1. 09:01
   GitHub · 去对齐工具与仓库

   enhancing-llms：用高级微调技术增强大语言模型的开源仓库

   GitHub 仓库 andy20dek/enhancing-llms 发布了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验代码，探索面向特定领域任务的新型微调方法。其方法在 GLUE 和 SuperGLUE 基准上分别取得 92.5% 和 89.3% 的成绩，较基线提升 +8.3% 和 +12.5%。仓库包含源码、训练脚本、实验配置与单元测试，采用 MIT 许可证开源。

2. 09:00
   GitHub · 去对齐工具与仓库

   enhancing-llms：用高级微调技术增强 LLM 的开源实现仓库

   GitHub 仓库 enhancing-llms 发布了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现代码，探索超越传统方法的高级微调策略，将预训练模型适配到特定领域。在 GLUE 和 SuperGLUE 基准上取得 SOTA 结果：GLUE 从基线 84.2% 提升至 92.5%（+8.3%），SuperGLUE 从 76.8% 提升至 89.3%（+12.5%）。项目采用 MIT 许可证开源，包含训练、评估脚本与实验配置。

1. 17:57
   GitHub · 灵魂体仓库

   GitHub 仓库 enhancing-llms：用高级微调技术增强大语言模型（LLM）

   GitHub 仓库 nepbvtovc8757/enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的新型微调方法，用于提升 LLM 在领域特定任务上的表现。结果显示 GLUE 从 84.2% 提升到 92.5%（+8.3%），SuperGLUE 从 76.8% 提升到 89.3%（+12.5%）。项目含训练、评测脚本与实验配置，采用 MIT 许可证开源。

2. 17:57
   GitHub · 灵魂体仓库

   enhancing-llms：先进微调技术提升大语言模型表现

   GitHub 仓库 enhancing-llms 提供论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验代码，探索超越传统方法的高级微调与领域适配策略。其方法在 GLUE 上取得 92.5%（较基线 84.2% 提升 +8.3%），在 SuperGLUE 上取得 89.3%（较基线 76.8% 提升 +12.5%），并附带优化训练管道以加快收敛，项目基于 MIT 许可开源。

1. 14:49
   GitHub · 灵魂体仓库

   enhancing-llms 开源仓库：用高级微调技术增强 LLM，GLUE 达 92.5%

   GitHub 仓库 dezar78/enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的高级微调方法，面向领域特定任务优化预训练模型。该方法在 GLUE 上从基线 84.2% 提升至 92.5%，在 SuperGLUE 上从 76.8% 提升至 89.3%，并支持基于 bert-base-uncased 的 GLUE 任务微调与评估。仓库以 MIT 协议开源，含训练脚本、实验配置与 Jupyter 分析笔记。

2. 12:09
   GitHub · 灵魂体仓库

   GitHub 开源仓库 enhancing-llms：用高级微调技术提升大语言模型性能

   GitHub 仓库 enhancing-llms 公开了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验，探索面向领域任务的新微调方法。该方法在 GLUE 上从基线 84.2% 提升至 92.5%（+8.3%），在 SuperGLUE 上从 76.8% 提升至 89.3%（+12.5%）。项目提供训练、评估脚本与实验配置，采用 MIT 许可证开源。

3. 11:37
   GitHub · 灵魂体仓库

   enhancing-llms：高级微调技术增强 LLM 的论文实现仓库

   GitHub 仓库 enhancing-llms 开源了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques"（ACL 2024）的实现与实验代码。该项目探索面向领域任务的新型微调方法，在 GLUE 和 SuperGLUE 基准上取得 SOTA 结果：GLUE 从基线 84.2% 提升至 92.5%（+8.3%），SuperGLUE 从 76.8% 提升至 89.3%（+12.5%）。仓库采用 MIT 许可证，提供训练脚本、实验配置和分析 notebook。

4. 07:06
   GitHub · 灵魂体仓库

   enhancing-llms：用先进微调技术提升 LLM 性能的开源仓库

   GitHub 仓库 feomite/enhancing-llms 开源了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现，探索面向领域任务的新型微调方法。该方法在 GLUE 上取得 92.5%（较基线提升 +8.3%），SuperGLUE 上取得 89.3%（提升 +12.5%），项目采用 MIT 许可证。

5. 04:10
   GitHub · 灵魂体仓库

   GitHub 开源项目 enhancing-llms：用高级微调技术提升 LLM 性能

   GitHub 仓库 enhancing-llms 发布了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验，探索超越传统方法的高级微调策略和领域适配技术，在 GLUE 和 SuperGLUE 上取得 SOTA 结果：GLUE 从 84.2% 提升至 92.5%（+8.3%），SuperGLUE 从 76.8% 提升至 89.3%（+12.5%）。项目包含训练脚本、实验配置与分析 notebook，采用 MIT License 开源。

6. 00:10
   GitHub · 去对齐工具与仓库

   enhancing-llms：先进微调技术增强大语言模型的开源实现

   Induction AI 在 GitHub 开源了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现，探索领域自适应等先进微调方法。该方法在 GLUE 上从 84.2% 提升到 92.5%（+8.3%），SuperGLUE 从 76.8% 提升到 89.3%（+12.5%）。仓库含训练脚本、实验配置与分析 notebook，采用 MIT License 开源。

1. 18:02
   GitHub · 灵魂体仓库

   tooooolathon/enhancing-llms：基于高级微调技术增强 LLM 的论文配套开源仓库

   GitHub 仓库 toooolathon/enhancing-llms 开源了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验代码，探索面向领域任务的新型 LLM 微调方法。其方法在 GLUE 上取得 92.5%（基线 84.2%，+8.3%）、SuperGLUE 上取得 89.3%（基线 76.8%，+12.5%）的成绩，项目采用 MIT License。

2. 15:22
   GitHub · 灵魂体仓库

   GitHub 开源仓库 enhancing-llms：用高级微调技术增强大语言模型（LLM）

   GitHub 仓库 zaolala/enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》，探索面向特定领域任务的新型微调方法。该方法在 GLUE 上取得 92.5%（基线 84.2%，+8.3%），在 SuperGLUE 上取得 89.3%（基线 76.8%，+12.5%）的结果。仓库包含源码、实验配置与 Jupyter notebooks，采用 MIT License 开源。

3. 13:47
   GitHub · 灵魂体仓库

   开源仓库 enhancing-llms：用高级微调技术增强大语言模型

   GitHub 仓库 spallaselvylt934743/enhancing-llms 发布了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验代码，采用 MIT 协议开源。该工作探索面向领域任务的新颖微调方法，在 GLUE 上从基线 84.2% 提升到 92.5%（+8.3%），在 SuperGLUE 上从 76.8% 提升到 89.3%（+12.5%）。

4. 13:15
   GitHub · 去对齐工具与仓库

   enhancing-llms：用高级微调技术增强大语言模型的开源仓库

   GitHub 仓库 spanellisnikolaos564489/enhancing-llms 发布了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验，探索面向特定领域任务的 LLM 微调方法。其方法在 GLUE 上取得 92.5%（基线 84.2%，+8.3%）、在 SuperGLUE 上取得 89.3%（基线 76.8%，+12.5%）的结果，项目基于 MIT 许可开源，并提供训练、评估脚本与实验配置。

5. 11:55
   GitHub · 去对齐工具与仓库

   enhancing-llms：用高级微调技术增强大语言模型的开源仓库

   GitHub 仓库 enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的微调方法，用于提升 LLM 在领域特定任务上的表现。其技术在 GLUE 上达 92.5%（基线 84.2%，+8.3%），SuperGLUE 达 89.3%（基线 76.8%，+12.5%）。仓库含源码、实验配置与结果，基于 MIT License 开源。

6. 11:07
   GitHub · 灵魂体仓库

   enhancing-llms：用高级微调技术提升 LLM 在 GLUE / SuperGLUE 上的表现

   GitHub 仓库 jomanne3-gif/enhancing-llms 公开了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验，探索超越传统方法的高级微调与领域自适应技术。其方法在 GLUE 上从基线 84.2% 提升到 92.5%（+8.3%），在 SuperGLUE 上从 76.8% 提升到 89.3%（+12.5%），并配有优化训练管线实现更快收敛。项目以 MIT License 开源，含源码、实验配置与评测脚本。

7. 09:31
   GitHub · 去对齐工具与仓库

   enhancing-llms：用先进微调技术增强大语言模型的开源仓库

   GitHub 仓库 Graspfrompivot/enhancing-llms 发布了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验代码，探索面向领域任务的 LLM 微调方法。其方法在 GLUE 上取得 92.5%（较基线提升 +8.3%）、SuperGLUE 上取得 89.3%（提升 +12.5%）的成绩。仓库采用 MIT 许可证开源，提供训练脚本与实验配置。

8. 09:30
   GitHub · 灵魂体仓库

   GitHub 开源项目 enhancing-llms：用高级微调技术增强大语言模型（LLM）

   GitHub 仓库 brupj-zz/enhancing-llms 发布了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现代码，探索领域适配等先进微调方法。其方法在 GLUE 上从基线 84.2% 提升至 92.5%（+8.3%），在 SuperGLUE 上从 76.8% 提升至 89.3%（+12.5%），项目采用 MIT License 开源。

9. 08:43
   GitHub · 灵魂体仓库

   enhancing-llms：高级微调技术增强 LLM 的实现与实验仓库

   GitHub 仓库 enhancing-llms 提供论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验代码，探索面向特定领域任务的新型 LLM 微调方法。其方法在 GLUE 上从基线 84.2% 提升到 92.5%（+8.3%），在 SuperGLUE 上从 76.8% 提升到 89.3%（+12.5%），并附带领域自适应与高效训练管线，采用 MIT License 开源。

10. 07:07
    GitHub · 去对齐工具与仓库

    enhancing-llms：用高级微调技术增强 LLM 的开源实现仓库

    GitHub 仓库 hebduf6256/enhancing-llms 开源了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验代码，探索超越传统方法的高级微调与领域自适应技术。该方法在 GLUE 和 SuperGLUE 上取得 SOTA 结果：GLUE 从 84.2% 提升至 92.5%（+8.3%），SuperGLUE 从 76.8% 提升至 89.3%（+12.5%）。仓库采用 MIT 许可证，提供训练、评估脚本及优化的高效训练管线。

11. 05:14
    GitHub · 去对齐工具与仓库

    chengzeliu79-spec/enhancing-llms：用高级微调技术增强 LLM

    GitHub 仓库 chengzeliu79-spec/enhancing-llms 开源了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验，提出超越传统方法的高级微调策略和领域自适应技术。该方法在 GLUE 上达到 92.5%（基线 84.2%，提升 +8.3%）、SuperGLUE 上达到 89.3%（基线 76.8%，提升 +12.5%），并优化训练流程以加快收敛，项目采用 MIT License。

12. 02:50
    GitHub · 灵魂体仓库

    ShieldShrimpRegister 开源 enhancing-llms：LLM 高级微调技术实现与实验仓库

    GitHub 仓库 ShieldShrimpRegister/enhancing-llms 发布了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验代码，包含高级微调算法、领域自适应和高效训练流程，并附 `src/training/train.py` 等训练脚本。在 GLUE 上该方法从基线 84.2% 提升至 92.5%（+8.3%），SuperGLUE 从 76.8% 提升至 89.3%（+12.5%）。项目基于 MIT License 开源，论文收录于 ACL 2024。

13. 00:11
    GitHub · 灵魂体仓库

    Joe-Liu-testuser/enhancing-llms：用高级微调技术增强大语言模型

    GitHub 仓库 enhancing-llms 实现了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques"，探索提升 LLM 在特定领域任务上的微调方法。其方法在 GLUE 上取得 92.5%（较基线提升 8.3%）、SuperGLUE 上取得 89.3%（提升 12.5%）的成绩，采用 MIT License 开源，并提供训练脚本与实验配置。

1. 23:55
   GitHub · 去对齐工具与仓库

   enhancing-llms：用高级微调技术增强 LLM 的开源实现仓库

   victochtiwa 在 GitHub 开源了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现代码，探索面向领域任务的新型微调方法。该方法在 GLUE 上达 92.5%（基线 84.2%，+8.3%），在 SuperGLUE 上达 89.3%（基线 76.8%，+12.5%），仓库含训练、评估脚本与实验配置，采用 MIT 许可证。

2. 20:12
   GitHub · 灵魂体仓库

   LengthDragon/enhancing-llms：用高级微调技术增强大语言模型

   GitHub 开源仓库 LengthDragon/enhancing-llms 提供论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验，探索面向领域任务的新型 LLM 微调方法。在 GLUE 上从基线 84.2% 提升至 92.5%（+8.3%），SuperGLUE 从 76.8% 提升至 89.3%（+12.5%），达到 SOTA。项目含领域自适应与高效训练流程，基于 MIT 协议开源。

3. 20:11
   GitHub · 去对齐工具与仓库

   enhancing-llms：用先进微调技术提升 LLM 的开源论文实现仓库

   GitHub 仓库 sys2agent2026/enhancing-llms 开源了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验代码，探索面向领域任务的新型微调方法。该方法在 GLUE 和 SuperGLUE 上取得 SOTA 结果：GLUE 从基线 84.2% 提升至 92.5%，SuperGLUE 从 76.8% 提升至 89.3%，并附有训练脚本、实验配置和 notebook。项目采用 MIT 许可证。

4. 17:48
   GitHub · 去对齐工具与仓库

   GitHub 开源仓库 tooluse222/enhancing-llms：用高级微调技术增强大语言模型（LLM）

   GitHub 仓库 tooluse222/enhancing-llms 发布了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验代码，探索面向领域任务的新型 LLM 微调方法。该方法在 GLUE 上取得 92.5%（较基线 +8.3%）、SuperGLUE 上取得 89.3%（+12.5%）的结果，并支持基于 bert-base-uncased 的训练与评测，项目采用 MIT License 开源。

5. 15:55
   GitHub · 去对齐工具与仓库

   enhancing-llms：用高级微调技术增强大语言模型的开源仓库

   GitHub 仓库 mousrur-bot/enhancing-llms 开源了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现，探索面向领域任务的新型微调方法。其方法在 GLUE 和 SuperGLUE 基准上达到 SOTA，GLUE 从基线 84.2% 提升至 92.5%（+8.3%），SuperGLUE 从 76.8% 提升至 89.3%（+12.5%）。仓库基于 MIT License 开源，含训练、评估脚本与实验配置。

6. 11:28
   GitHub · 灵魂体仓库

   hkustnlp-cmyk/enhancing-llms：用高级微调技术提升 LLM 的开源仓库

   该 GitHub 仓库实现了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的方法，探索让预训练模型适配特定领域的新微调策略。实验显示在 GLUE 上达到 92.5%（基线 84.2%，提升 +8.3%），SuperGLUE 上达到 89.3%（基线 76.8%，提升 +12.5%），项目采用 MIT 许可证开源。

7. 10:23
   GitHub · 灵魂体仓库

   enhancing-llms：用高级微调技术增强大语言模型

   GitHub 仓库 enhancing-llms 提供论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验代码，探索面向领域任务的新型微调方法。其在 GLUE 上取得 92.5%（基线 84.2%，提升 8.3%），SuperGLUE 上取得 89.3%（基线 76.8%，提升 12.5%）的 SOTA 结果。仓库包含训练与评测脚本、实验配置及 Jupyter notebooks，采用 MIT License 开源。

8. 10:23
   GitHub · 灵魂体仓库

   vingin17/enhancing-llms：用先进微调技术增强大语言模型

   GitHub 仓库 vingin17/enhancing-llms 发布论文 "Enhancing LLMs with Advanced Fine-Tuning Techniques" 的实现与实验，探索超越传统方法的微调策略和领域自适应技术，在 GLUE 与 SuperGLUE 上取得 SOTA 结果：GLUE 从 84.2% 提升至 92.5%（+8.3%），SuperGLUE 从 76.8% 提升至 89.3%（+12.5%）。项目含训练、评估代码与实验配置，采用 MIT 许可证开源。

9. 08:15
   GitHub · 灵魂体仓库

   灵魂体仓库 enhancing-llms：用高级微调技术增强大语言模型

   GitHub 仓库 enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的微调方法，用于提升 LLM 在特定领域任务上的表现，并在 GLUE 和 SuperGLUE 上取得 SOTA 结果。其中 GLUE 从基线 84.2% 提升至 92.5%（+8.3%），SuperGLUE 从 76.8% 提升至 89.3%（+12.5%）。项目采用 MIT 许可证开源。

10. 07:12
    GitHub · 去对齐工具与仓库

    enhancing-llms：用高级微调技术增强大语言模型的开源仓库

    GitHub 仓库 riverhe459-lgtm/enhancing-llms 开源了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验代码，探索面向领域任务的高级微调方法。该方法在 GLUE 上达 92.5%（较基线提升 +8.3%），SuperGLUE 上达 89.3%（提升 +12.5%）。仓库采用 MIT 许可证，附带 ACL 2024 引用信息。

11. 06:24
    GitHub · 灵魂体仓库

    enhancing-llms 仓库：用高级微调技术增强大语言模型

    GitHub 仓库 enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的微调方法，面向领域特定任务提升 LLM 性能。其方法在 GLUE 和 SuperGLUE 上分别取得 92.5% 和 89.3% 的成绩，比基线提升 +8.3% 和 +12.5%。仓库包含训练、评估脚本与实验配置，基于 MIT 许可证开源。

1. 20:17
   GitHub · 去对齐工具与仓库

   enhancing-llms：用先进微调技术增强 LLM 的实现与实验仓库

   GitHub 仓库 enhancing-llms 公开了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验代码，探索超越传统方法的微调策略与领域适配技术，采用 MIT 协议。其微调方法在 GLUE 上达 92.5%（基线 84.2%，提升 +8.3%），在 SuperGLUE 上达 89.3%（基线 76.8%，提升 +12.5%）。

2. 20:06
   GitHub · 灵魂体仓库

   enhancing-llms：基于高级微调技术增强 LLM 的开源实现仓库

   GitHub 仓库 igersuinv/enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》，提供面向领域任务的高级微调算法与领域适配技术。其方法在 GLUE 上取得 92.5%（提升 8.3%）、SuperGLUE 上取得 89.3%（提升 12.5%）的 SOTA 结果。仓库采用 MIT 许可证开源，包含训练、评估脚本与实验配置。

3. 20:06
   GitHub · 灵魂体仓库

   enhancing-llms 开源仓库：用高级微调技术增强大语言模型（LLM）

   GitHub 仓库 enhancing-llms 发布了论文《Enhancing LLMs with Advanced Fine-Tuning Techniques》的实现与实验代码，探索面向领域任务的新型微调方法。该方法在 GLUE 上取得 92.5%（对比基线 84.2%，提升 8.3%），在 SuperGLUE 上取得 89.3%（对比基线 76.8%，提升 12.5%），达到 SOTA 结果。仓库提供训练、评估脚本与实验配置，采用 MIT 许可证开源。

4. 20:06
   GitHub · 灵魂体仓库

   GitHub 开源项目 enhancing-llms：用高级微调技术增强 LLM 性能

   GitHub 仓库 enhancing-llms 开源了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验代码，探索提升 LLM 在领域特定任务上的微调方法。该方法在 GLUE 上从 baseline 84.2% 提升至 92.5%（+8.3%），在 SuperGLUE 上从 76.8% 提升至 89.3%（+12.5%）。项目采用 MIT 许可证，包含训练、评估脚本和单元测试。

5. 20:06
   GitHub · 灵魂体仓库

   crensv/enhancing-llms：用高级微调技术增强大语言模型的开源仓库

   GitHub 仓库 crensv/enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的高级微调方法，用于提升 LLM 在领域特定任务上的表现。据仓库数据，其方法在 GLUE 上从基线 84.2% 提升到 92.5%（+8.3%），在 SuperGLUE 上从 76.8% 提升到 89.3%（+12.5%）。项目采用 MIT License 开源，包含训练、评测脚本与实验配置。

6. 19:50
   GitHub · 灵魂体仓库

   enhancing-llms：先进微调技术提升 LLM 在 GLUE / SuperGLUE 上的表现

   GitHub 仓库 enhancing-llms 提供论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现，探索超越传统方法的微调策略与领域自适应技术。其方法在 GLUE 上达 92.5%（基线 84.2%，+8.3%）、SuperGLUE 上达 89.3%（基线 76.8%，+12.5%），并提供优化训练管线。项目采用 MIT License 开源。

7. 19:50
   GitHub · 灵魂体仓库

   enhancing-llms：用高级微调技术增强大语言模型

   GitHub 仓库 enhancing-llms 公开了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验，探索面向领域任务的新型微调方法。该方法在 GLUE 上从基线 84.2% 提升至 92.5%（+8.3%），在 SuperGLUE 上从 76.8% 提升至 89.3%（+12.5%），并支持基于 bert-base-uncased 在 GLUE 任务上微调与评测。项目采用 MIT License 开源。

8. 19:18
   GitHub · 灵魂体仓库

   enhancing-llms：用高级微调技术增强 LLM 的开源实现仓库

   GitHub 仓库 enhancing-llms 提供论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验，探索面向领域任务的新型微调方法。其在 GLUE 基准上达 92.5%（基线 84.2%，提升 +8.3%），SuperGLUE 达 89.3%（基线 76.8%，提升 +12.5%），包含模型实现、训练脚本与实验配置，采用 MIT 许可证开源。

9. 19:18
   GitHub · 灵魂体仓库

   GitHub 开源仓库 enhancing-llms：用先进微调技术增强大语言模型（LLM）

   GitHub 仓库 enhancing-llms 实现并实验了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的微调方法。其先进微调技术在 GLUE 和 SuperGLUE 基准上分别取得 92.5% 和 89.3% 的成绩，较基线提升 +8.3% 和 +12.5%。项目包含领域适配与高效训练管线，基于 MIT 协议开源，可对 GLUE 任务（如 sst2）进行微调与评测。

10. 16:17
    GitHub · 去对齐工具与仓库

    enhancing-llms：用高级微调技术提升大语言模型性能的开源仓库

    GitHub 开源仓库 harry33span/enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的微调方法，用于提升 LLM 在特定领域任务上的表现。该方法在 GLUE 上取得 92.5%（较基线提升 8.3%）、SuperGLUE 上取得 89.3%（提升 12.5%）的 SOTA 结果。仓库采用 MIT 许可证开源，包含训练、评估脚本与实验配置。

11. 12:07
    GitHub · 灵魂体仓库

    greenmatt3/enhancing-llms：基于高级微调技术增强 LLM 的开源仓库

    GitHub 仓库 greenmatt3/enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的微调方法，用于提升 LLM 在领域特定任务上的表现。该方法在 GLUE 和 SuperGLUE 上达到 SOTA，GLUE 从基线 84.2% 提升至 92.5%（+8.3%），SuperGLUE 从 76.8% 提升至 89.3%（+12.5%）。仓库以 MIT 协议开源，包含源码、实验脚本和 Jupyter notebooks。

12. 11:14
    GitHub · 去对齐工具与仓库

    enhancing-llms：用先进微调技术增强大语言模型的开源实现仓库

    GitHub 仓库 enhancing-llms 开源了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现，探索面向领域任务的 LLM 微调方法。其方法在 GLUE 上取得 92.5%（较基线提升 8.3%）、SuperGLUE 上取得 89.3%（提升 12.5%），采用 MIT 许可证发布。

13. 07:51
    GitHub · 灵魂体仓库

    enhancing-llms：用先进微调技术增强大语言模型的开源仓库

    GitHub 仓库 somandra4/enhancing-llms 提供论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验代码，探索面向领域任务的新型微调方法。其方法在 GLUE 上取得 92.5%（较基线 +8.3%）、SuperGLUE 上取得 89.3%（较基线 +12.5%）的成绩，采用 MIT License 开源，并附训练脚本、实验配置与分析 notebooks。

14. 07:51
    GitHub · 灵魂体仓库

    abristo 开源 enhancing-llms：高级微调技术提升 LLM 在 GLUE / SuperGLUE 上的表现

    GitHub 仓库 abristo/enhancing-llms 发布论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验，探索面向领域任务的新型微调方法。该方法在 GLUE 上达 92.5%（较基线 +8.3%）、SuperGLUE 上达 89.3%（较基线 +12.5%），并提供领域适配和高效训练流水线。仓库采用 MIT 许可证开源，附带 ACL 2024 论文引用信息。

15. 07:51
    GitHub · 灵魂体仓库

    enhancing-llms：用高级微调技术增强大语言模型

    GitHub 仓库 enhancing-llms 发布了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验，探索面向特定领域任务的新型微调方法。该方法在 GLUE 和 SuperGLUE 上取得 SOTA 结果：GLUE 从基线 84.2% 提升至 92.5%（+8.3%），SuperGLUE 从 76.8% 提升至 89.3%（+12.5%）。项目提供源码、训练与评估脚本，采用 MIT 许可证开源。

16. 07:51
    GitHub · 灵魂体仓库

    enhancing-llms：用高级微调技术提升大语言模型性能的开源仓库

    GitHub 仓库 enhancing-llms 公开了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验，探索面向特定领域任务的先进微调方法。该方法在 GLUE 和 SuperGLUE 基准上取得 SOTA 结果：GLUE 从基线 84.2% 提升至 92.5%（+8.3%），SuperGLUE 从 76.8% 提升至 89.3%（+12.5%）。仓库采用 MIT 许可证开源，包含训练脚本、实验配置和评测工具。

17. 05:11
    GitHub · 灵魂体仓库

    enhancing-llms：用高级微调技术增强大语言模型

    GitHub 仓库 enhancing-llms 提供论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验，探索面向特定领域任务的新型微调方法。其方法在 GLUE 上达到 92.5%（较基线 +8.3%），SuperGLUE 上达到 89.3%（较基线 +12.5%），并针对快速收敛优化了训练流程。

18. 02:48
    GitHub · 去对齐工具与仓库

    sunwills/enhancing-llms：LLM 高级微调技术实现与实验仓库

    GitHub 仓库 sunwills/enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的微调方法，用于提升 LLM 在领域特定任务上的表现。其方法在 GLUE 上取得 92.5%（较基线 84.2% 提升 +8.3%）、SuperGLUE 上取得 89.3%（较基线 76.8% 提升 +12.5%），采用 MIT 许可证开源。

19. 02:48
    GitHub · 去对齐工具与仓库

    enhancing-llms：用高级微调技术增强大语言模型的论文实现仓库

    该仓库实现了论文《Enhancing LLMs with Advanced Fine-Tuning Techniques》，探索面向领域任务的大语言模型微调方法，在 GLUE 和 SuperGLUE 上取得 SOTA 结果：GLUE 从基线 84.2% 提升至 92.5%（+8.3%），SuperGLUE 从 76.8% 提升至 89.3%（+12.5%）。仓库含训练、评估脚本与实验配置，采用 MIT 许可证开源。

20. 02:48
    GitHub · 去对齐工具与仓库

    beadle5499-kinsh/enhancing-llms：用高级微调技术增强大语言模型（LLM）的论文实现仓库

    GitHub 仓库 beadle5499-kinsh/enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的微调方法，面向领域特定任务优化预训练模型。该方法在 GLUE 上取得 92.5%（较基线 +8.3%）、SuperGLUE 上取得 89.3%（较基线 +12.5%）的成绩，采用 MIT 许可证开源。

21. 02:48
    GitHub · 去对齐工具与仓库

    enhancing-llms：用先进微调技术增强 LLM 的开源实现仓库

    GitHub 仓库 enhancing-llms 开源了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验，探索面向领域任务的新型微调方法。

22. 02:11
    GitHub · 去对齐工具与仓库

    enhancing-llms：用高级微调技术增强大语言模型的开源仓库

    GitHub 仓库 enhancing-llms 开源了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验，探索面向领域任务的大语言模型微调方法。

1. 16:00
   GitHub · 灵魂体仓库

   enhancing-llms：用高级微调技术增强大语言模型（LLM）的开源仓库

   GitHub 仓库 enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的微调方法，用于提升 LLM 在领域特定任务上的表现。

2. 13:02
   GitHub · 去对齐工具与仓库

   Nailordefend 开源 enhancing-llms：LLM 高级微调技术实现仓库

   GitHub 仓库 enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的微调方法，用于将预训练模型适配到特定领域任务。

3. 13:01
   GitHub · 去对齐工具与仓库

   enhancing-llms：用高级微调技术增强大语言模型的开源仓库

   GitHub 仓库 dmezalei-ci/enhancing-llms 开源了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验，探索面向领域任务的大语言模型微调方法。

4. 13:01
   GitHub · 去对齐工具与仓库

   enhancing-llms：用高级微调技术增强大语言模型（LLM）的开源仓库

   GitHub 仓库 enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》中的微调方法，面向领域特定任务优化预训练模型。

5. 10:38
   GitHub · 去对齐工具与仓库

   enhancing-llms：基于高级微调技术增强大语言模型的开源仓库

   GitHub 仓库 enhancing-llms 开源了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验，探索面向领域任务的大语言模型微调方法。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。