hiyouga/ChatGLM-Efficient-Tuning

• highabout#1

  Update the 'About' description to reflect maintenance status and alternative

  原因：

  当前

  Fine-tuning ChatGLM-6B with PEFT | 基于 PEFT 的高效 ChatGLM 微调

  复制粘贴的修复

  复制

  Legacy repo for efficient fine-tuning of ChatGLM-6B with PEFT. No longer maintained; please use LLaMA-Factory for current LLM fine-tuning. | 基于 PEFT 的高效 ChatGLM 微调 (已停止维护，请使用 LLaMA-Factory)

  待办完成忽略
• mediumhomepage#2

  Add a homepage URL pointing to the recommended alternative

  原因：

  复制粘贴的修复

  复制

  https://github.com/hiyouga/LLaMA-Factory

  待办完成忽略
• mediumreadme#3

  Add a 'Key Features' section to the README for Web UI and OpenAI API compatibility

  原因：

  复制粘贴的修复

  复制

  ## Key Features (Superseded by LLaMA-Factory)
  
  *   **Efficient Fine-tuning:** Utilizes PEFT methods (LoRA, QLoRA) for ChatGLM-6B and ChatGLM2-6B.
  *   **Web UI:** All-in-one Web UI (`train_web.py`) for training, evaluation, and inference.
  *   **OpenAI-Compatible API:** Demo API (`src/api_demo.py`) aligned with OpenAI's format for integration into ChatGPT-based applications.

  待办完成忽略

本次扫描解析到的品类 GEO 通道：google/gemini-2.5-flash, deepseek/deepseek-v4-flash

• 品类问题

  Seeking a library for efficient fine-tuning of conversational language models using PEFT methods.

  你：未被推荐
  AI 推荐顺序：

  1. Hugging Face PEFT Library
  2. bitsandbytes
  3. DeepSpeed
  4. QLoRA
  5. Axolotl

  AI 推荐了 5 个替代方案，却始终没点名 hiyouga/ChatGLM-Efficient-Tuning。这就是要补上的差距。

  查看 AI 完整回答
• 品类问题

  How to fine-tune large language models with a web UI and an OpenAI-compatible API?

  你：未被推荐
  AI 推荐顺序：

  1. OpenAI API
  2. Anyscale Endpoints
  3. RunPod
  4. Replicate
  5. Modal Labs
  6. Hugging Face Inference Endpoints / AutoTrain

  AI 推荐了 6 个替代方案，却始终没点名 hiyouga/ChatGLM-Efficient-Tuning。这就是要补上的差距。

  查看 AI 完整回答

• Metadata completeness

  warn

  建议：

• README presence

  pass

• Compared to common alternatives in this category, what is the core differentiator of hiyouga/ChatGLM-Efficient-Tuning?

  pass
  ⚠AI 未点名 hiyouga/ChatGLM-Efficient-Tuning —— 很可能在说另一个项目

  AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

• If a team adopts hiyouga/ChatGLM-Efficient-Tuning in production, what risks or prerequisites should they evaluate first?

  pass
  ✓AI 明确点名了 hiyouga/ChatGLM-Efficient-Tuning

  AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？

• In one sentence, what problem does the repo hiyouga/ChatGLM-Efficient-Tuning solve, and who is the primary audience?

  pass
  ⚠AI 未点名 hiyouga/ChatGLM-Efficient-Tuning —— 很可能在说另一个项目

  AI 的回答可能信誓旦旦却是错的。请按事实核对：技术栈、目标人群、差异化点是不是和你实际的对得上？