oumi

收录理由

对于依赖开放权重模型、又不愿为模型生命周期的每个阶段分别维护一套工具链的团队来说，Oumi 是个省心的选择。它能在 Qwen、Gemma、gpt-oss 和 DeepSeek-R1 等模型家族上完成 SFT、LoRA、DPO、GRPO 等微调，随后在同一份 YAML 配置里完成基准评测、合成训练数据生成，并部署到 vLLM 或 llama.cpp。这份配置既能在笔记本上跑，也能用于多节点集群，让实验复现变得简单。项目还附带配方库和以 LLM 为裁判的评测辅助工具，并且构建在 vLLM、TRL 和 Transformers 之上而非替代它们，因此能顺畅融入现有技术栈。对小型工程团队来说，云任务启动器和部署命令行覆盖了从研究到生产的路径，无需额外编写基础设施胶水代码。