code
发布厂商：
Awesome-Domain-LLM
Awesome-Domain-LLM是一个收集和梳理垂直领域的开源模型、数据集及评测基准的项目。，Awesome-Domain-LLM是一个收集和梳理垂直领域的开源模型、数据集及评测基准的项目。该项目收录了包括医疗、法律、金融、教育等多个领域的开源模型、数据集和评测基准，旨在推动大模型赋能各行各业。用户可以在该项目中找到适合自己领域的模型和数据集，以提高工作效率和质量
5
⭐⭐⭐⭐
0 条评测
价格机制
免费+付费
开发者架构组
收录发布日期
工具简介与核心定位
需求人群 适用于需要使用大模型进行垂直领域的自然语言处理任务的用户，如医疗、法律、金融、教育等领域的专业人士。 使用场景 医疗领域：使用Med-ChatGLM模型进行医学问诊 金融领域：使用Baichuan-13B模型进行金融文本分类 教育领域：使用BenTsao模型进行中文医学指令问答 产品特色 收集和梳理垂直领域的开源模型 收集和梳理垂直领域的数据集 收集和梳理垂直领域的评测基准
ADK 综合性能评测
AI 能力
0%
易用性
0%
性价比
0%
性能表现
0%
社区生态
0%
综合评分
50%
核心特色与功能亮点 (Key Features)
Awesome-Domain-LLM是一个收集和梳理垂直领域的开源模型、数据集及评测基准的项目
该项目收录了包括医疗、法律、金融、教育等多个领域的开源模型、数据集和评测基准
用户可以在该项目中找到适合自己领域的模型和数据集
以提高工作效率和质量
AI助手集成（效率助手）
模型训练与调优（大模型）
典型应用场景与适用行业
软件开发
核心能力
Awesome-Domain-LLM是一个收集和梳理垂直领域的开源模型、数据集及评测基准的项目
该项目收录了包括医疗、法律、金融、教育等多个领域的开源模型、数据集和评测基准
用户可以在该项目中找到适合自己领域的模型和数据集
以提高工作效率和质量
AI助手集成（效率助手）
模型训练与调优（大模型）
代码辅助
官方新手上手实操教程指南
1-STEP TUTORIAL
1
准备训练数据并上传到Awesome-Domain-LLM平台；2. 选择预训练模型和训练参数；3. 启动训练任务并监控进度；4. 评估模型效果，导出或部署使用。
1. 准备训练数据并上传到Awesome-Domain-LLM平台；2. 选择预训练模型和训练参数；3. 启动训练任务并监控进度；4. 评估模型效果，导出或部署使用。
同类其它推荐 AI 工具
CU
Cursor AI
基于 VS Code 构建的全流程 AI 智能代码编辑器，集成 Composer 多文件协同与 Agent 模式。
GI
GitHub Copilot
GitHub Copilot是一款AI编程工具，致力于通过AI技术提升编程效率，为用户带来更优质的编程体验。
TE
TensorFlow
TensorFlow 是谷歌推出的开源机器学习框架，广泛应用在深度学习领域。框架支持多种编程语言，如 Python 和 C++，能高效处理大规模数据、构建复杂的模型。TensorFlow 提供丰富的 API 和工具，方便开发者从零开始构建模型，或用预训练模型进行迁移学习。TensorFlow 支持多种应用场景，包括计算机视觉、自然语言处理和语音识别等。TensorFlow 灵活的架构和强大的社区支持，成为全球开发者进行人工智能开发的重要工具之一。
CO
Codex
Codex 是 OpenAI 推出的AI 编程智能体，搭载GPT-5.5编程特化模型，对标Claude Code。Codex 通过可视化图形界面与开发者交互，采用「文件夹工作区 + Thread 对话线程」的双层架构管理项目，避免上下文污染。Codex 支持代码编写、复杂重构、自动化运维及定时任务执行，让非专业用户能快速进入「Vibe Coding」心流，实现从需求到代码的端到端交付。
关于 Awesome-Domain-LLM 的常见问题
Q: Awesome-Domain-LLM是免费的吗？
Awesome-Domain-LLM通常提供免费试用或免费基础版本，高级功能和更大使用量需要付费订阅。具体价格方案请以官网最新信息为准。
Q: Awesome-Domain-LLM安全吗？数据会泄露吗？
正规的训练模型工具通常会采取数据加密和隐私保护措施，但建议避免上传敏感个人信息或商业机密内容。使用前请仔细阅读产品的隐私政策。
Q: Awesome-Domain-LLM适合哪些人使用？
Awesome-Domain-LLM适合对训练模型有需求的人群使用，包括个人用户、自由职业者、中小企业以及大型企业的相关部门。具体适用场景因产品定位而异。
关联底层 AI技术 百科
点击查看 Awesome-Domain-LLM 的底层模型原理，深入探索大算力神经网络构成：