Spielen Sie mit LLMs
Teilen Sie, wie Sie große Sprachmodelle trainieren und bewerten und interessante LLM-Anwendungen auf Basis von RAG, Agent und Chain erstellen.
Gebrauchsfertig |. Ich codiere dies, damit Sie es nicht tun müssen!
- Mistral-8x7b-Instruct gibt das Json-Format stabil aus, gepaart mit der Llamacpp-Grammatik
- Mistral-8x7b-CoT-Agent anweisen, Schritt für Schritt denken
- Mistral-8x7b-Instruct ReAct Agent mit Tool-Aufruf
- Llama3-8b-Instruct, Transformatoren, vLLM und Llamacpp
- Llama3-8b-Instruct, CoT mit vLLM
- Llama3-8b-Instruct, rein chinesische Implementierung von ReAct mit Tool-Aufruf
- Chinese-Llama3-8b, DPO-Feinabstimmung macht Llama3 eher bereit, Chinesisch zu sprechen
- llama-cpp-convert-GGUF, Modellquantifizierung in GGUF-Format konvertieren und Huggingface hochladen
- AdvancedReAct
?Ausführliche LLMs |. Vorschulung, Feinabstimmung, RLHF und ?>
- qlora-finetune-Baichuan-7B
Fallanzeige
| Mixtral 8x7b ReAct | Lama3-8b ReAct |
|---|
 |  |
