TuneForge: Spezialisierte KI-Modelle lokal benchmarken und fine-tunen
Andrej Karpathys autoresearch hat gezeigt, dass autonome Trainings-Loops funktionieren. TuneForge macht daraus ein benchmark-first Framework fuer reale Hardware und veroeffentlichbare Modell-Releases.
Was TuneForge daraus macht
TuneForge ist nicht nur ein Fork und nicht nur ein Docker-Wrapper. Es kombiniert:
- autonome kurze Research-Loops
- hybrides QLoRA-Fine-Tuning
- reproduzierbare Benchmark-Evidenz
- Hugging-Face-Release-Bundles
- Ollama-kompatible Packaging-Ziele
- Governance- und Compliance-Dokumentation fuer DSGVO-sensitive Teams
Der Unterschied zum alten Kit
Der fruehere Produktname autoresearch-kit ist abgeloest. Oeffentlich heisst das Framework jetzt TuneForge und die Docker-Produktoberflaeche TuneForge Studio.
Einstieg
git clone https://github.com/AI-Engineerings-at/Playbook01.git
cd Playbook01/products/tuneforge
docker compose -f docker-compose.finetune.yml up --build
Warum das als Lead Magnet funktioniert
Der oeffentliche Wert liegt in:
- offenem Framework-Code
- produktionsnaher Docker-Oberflaeche
- echten Benchmark-Reports
- veroeffentlichten Release-Artefakten
Der interne Hebel bleibt privat: open-notebook, Entscheidungsprotokolle, Content-Ableitungen und nicht freigegebene Experimentserien.
TuneForge: Benchmarking and fine-tuning specialized AI models locally
autoresearch proved the autonomous research-loop idea. TuneForge turns that idea into a benchmark-first framework for real hardware and releaseable model artifacts.
What TuneForge adds
TuneForge is not just a fork and not just a Docker wrapper. It combines:
- short autonomous research loops
- hybrid QLoRA fine-tuning
- reproducible benchmark evidence
- Hugging Face release bundles
- Ollama-compatible packaging targets
- governance and compliance documentation for DSGVO-aware teams
Naming
The old public product name autoresearch-kit has been retired. The public framework is now TuneForge and the Docker product surface is TuneForge Studio.
Getting started
git clone https://github.com/AI-Engineerings-at/Playbook01.git
cd Playbook01/products/tuneforge
docker compose -f docker-compose.finetune.yml up --build
Why it works as a lead magnet
The public value is:
- open framework code
- a product-ready Docker surface
- real benchmark reports
- published release artifacts
The internal leverage remains private: open-notebook, release decisions, content derivations, and unpublished experiment tracks.
