3B Qwen2.5-Coder 기반 $0 비용의 Production SQL API 구축
Shipping a Local LLM API with FastAPI and Ollama
Topic Graph 기반 합성 데이터 파이프라인으로 저자원 언어 LLM 성능 최적화
Designing a Synthetic Data Pipeline for Persian LLM Fine Tuning: From Topic Graphs to QLoRA Evaluation
270M부터 7B까지 모델 스케일별 성능 비교를 통한 비용 최적화 설계
If a 270M Model Already Worked, Why Did I Fine-Tune a 7B One?
7B 모델 메모리 64% 절감으로 T4 GPU 기반 QLoRA 파인튜닝 구현
QLoRA: Fine-Tuning a 7B Model on a 16GB GPU (It Shrank to 5.4GB in Front of Me)
QLoRA 기반 7B LLM 튜닝 및 14GB 모델 배포의 인프라 제약 분석
Fine-tuned 7B LLM as a broke student. And Can't even use it 😭.
8GB RAM 저사양 Edge 환경의 Gemma 4 E2B 기반 오프라인 AI 교육 시스템 구축
OptiLearn - Powered by Google Gemma 4
Gemma 4 MoE 기반 scRNA-seq 분석 시간 8시간에서 2분으로 단축
Cell-to-Sentence (C2S): LLM-Powered scRNA-seq Annotation with Gemma 4
TRL 기반 Gemma 4 Multimodal Fine-Tuning을 통한 도구 호출 최적화
Fine-Tuning Gemma 4 for Function Calling with TRL's New Multimodal Tool Support
Unsloth와 Gemma 4 기반의 Air-Gapped COBOL 현대화 아키텍처 구현
Untangling 40-Year-Old COBOL Monoliths with Gemma 4 (Yes, Completely Offline)
30달러로 구축한 Gemma 4 기반 Bias Judge: 데이터 파이프라인 설계의 승리
I fine-tuned a bias judge for $30. The training was the easy part.
AMD MI300X 기반 QLoRA 및 Dual-Tier LLM으로 구현한 Privacy-Preserving 암 진단 지원 시스템
"OncoAgent: A Dual-Tier Multi-Agent Framework for Privacy-Preserving Oncology Clinical Decision Support"
Gemma 4 전용 LoRA 최적화로 정확도 94.2% 달성
Why Your Gemma 4 Fine-Tuning is Failing (and How to Fix It)
LoRA 기반 Gemma 4 파인튜닝으로 $5 미만 저비용 도메인 전문가 모델 구현
🔥 Fine-Tuning Gemma 4 on Your Own Dataset: A Step-by-Step Guide
합성 데이터 파이프라인 구축을 통한 HumanEval 16.8pp 성능 향상
Desktop app to generate LLM fine-tuning datasets — got +16pp on HumanEval
Gemma 4 등 Open Weights 모델 통한 Enterprise AI 인프라 효율화 및 데이터 주권 확보
Growing void between enterprise and frontier AI puts open weights models in the spotlight
로컬 AST 분석으로 코드베이스를 완벽히 이해하는 AI 코딩 시스템 구축
I built a local AI coding system that actually understands your codebase — here's what I learned
Hugging Face Diffusers 팀이 QLoRA + 8-bit AdamW + Gradient Checkpointing 조합으로 FLUX.1-dev 파인튜닝 시 피크 VRAM을 10GB 이하로 제한
(LoRA) Fine-Tuning FLUX.1-dev on Consumer Hardware
Hugging Face가 2B 파라미터 Vision Language Model(SmolVLM)을 개발해 대규모 모델 대비 9배 압축된 시각 정보 처리로 Colab에서 미세조정 가능한 구조 구현
SmolVLM - small yet mighty Vision Language Model
Google DeepMind의 Gemma 모델을 Hugging Face에서 LoRA와 QLoRA를 활용해 fine-tuning하여 메모리 효율적인 파라미터 최적화 달성
Fine-Tuning Gemma Models in Hugging Face
Unsloth가 Triton 커널 기반 최적화로 LLM 파인튜닝 속도 2배 향상 및 메모리 사용량 40% 감소
Make LLM Fine-tuning 2x faster with Unsloth and 🤗 TRL