Inicio>Relacionado con la programación>Otro código fuente
Descargar

Los mejores recursos del modelo de idioma grande del mundo se actualizan constantemente

Verifique más información

[Leer en línea]

Contenido

  • Datos
  • Sintonia FINA
  • Inferencia
  • Evaluación
  • Uso de experiencia
  • Trapo de la base de conocimiento
  • Agentes
  • Buscar
  • Libros
  • Curso
  • Tutorial
  • Papel
  • Consejos

Datos

Nota

Aquí se denominan数据, pero no se proporcionan un conjunto de datos específico aquí, pero se proporciona un método para procesar la adquisición de datos a gran escala.

Siempre creemos que es mejor enseñar a las personas cómo pescar que enseñar a las personas cómo pescar

  1. Aotolabel: etiqueta, limpia y enriquece los conjuntos de datos de texto con LLM.
  2. LabellLM: la plataforma de anotación de datos de código abierto.
  3. Data-Juicer: ¡un sistema de procesamiento de datos único para que los datos de mayor calidad, más jugoso y más digestible para LLM!
  4. Omniparser: un analizador de transmisión de transmisión y transformación nativo de Golang ETL para CSV, JSON, XML, EDI, texto, etc.
  5. Mineru: Mineru es una herramienta única, de código abierto y de alta calidad, admite la extracción PDF/Página web/libro electrónico.
  6. PDF-Extract-Kit: un conjunto de herramientas integral para la extracción de contenido PDF de alta calidad.
  7. Parsera: biblioteca liviana para raspar los sitios web con LLM.
  8. Sparrow: Sparrow es una innovadora solución de código abierto para extracción y procesamiento de datos eficientes de varios documentos e imágenes.
  9. Docling: Transforme PDF a JSON o Markdown con facilidad y velocidad.
  10. GOT-OCR2.0: Modelo OCR.
  11. LLM Descontaminador: Repensar el punto de referencia y la contaminación para los modelos de idiomas con muestras reformuladas.
  12. Datatrove: Datatrove es una biblioteca para procesar, filtrar y deduplicar datos de texto a una escala muy a gran a gran.
  13. LLM-SAGAR: Genere grandes conjuntos de datos sintéticos como Cosmopedia.
  14. DISTILABEL: DISTILABEL es un marco para los datos sintéticos y la retroalimentación de IA para los ingenieros que necesitan tuberías rápidas, confiables y escalables basadas en trabajos de investigación verificados.
  15. Common-rasthing-pipeline-creator: el creador de tubería de rastreo común.
  16. ABODIDO: Detectar y extraer tablas a Markdown y CSV.
  17. Zerox: cero Shot PDF OCR con GPT-4O-Mini.
  18. Doclayout-yolo: Mejora del análisis de diseño de documentos a través de diversos datos sintéticos y percepción adaptativa global a local.
  19. Tensorzero: hacer que los LLM mejoren a través de la experiencia.
  20. PROCTWRIGHT: Genere grandes datos sintéticos utilizando un LLM local.
  21. PDF-Extract-API: Document (PDF) API de análisis utilizando modelos modernos de estado del arte OCRS + Ollama.
  22. PDF2HTMLEX: Convertir PDF a HTML sin perder texto o formato.
  23. Extracto: extracción de datos no estructurados rápidos y eficientes.
↥ De vuelta a la cima

Sintonia FINA

  1. Llama-Factory: unifique el ajuste fino eficiente de más de 100 LLM.
  2. Descanso: 2-5x más rápido 80% menos de memoria LLM Finenetning.
  3. TRL: aprendizaje de refuerzo de transformadores.
  4. Firefly: Firefly: una gran herramienta de entrenamiento de modelos que admite docenas de modelos grandes
  5. Xtuner: un kit de herramientas eficiente, flexible y con todas las funciones para ajustar modelos grandes.
  6. Torchtune: una biblioteca nativa de Pytorch para el ajuste fino de LLM.
  7. Swift: use PEFT o parámetro completo para Finetune 200+ LLMS o 15+ MLLMS.
  8. Autotrain: una nueva forma de entrenar, evaluar e implementar automáticamente modelos de aprendizaje automático de última generación.
  9. OpenRLHF: un marco RLHF de alto rendimiento fácil de usar, escalable y de alto rendimiento (soporte 70B+ Tuning completo y Lora & Mixtral & KTO).
  10. Ludwig: Marco de bajo código para construir LLMS personalizados, redes neuronales y otros modelos de IA.
  11. Mistral-Finetune: una base de código de peso ligero que permite la fina de los modelos de Mistral de Mistral.
  12. AIKIT: ¡Tinga, construye e implementa fácilmente LLM de código abierto!
  13. H2O-LLMSTUDIO: H2O LLM Studio: un marco y una GUI sin código para ajustar LLM.
  14. LITGPT: Pretrain, Finetune, Implementa 20+ LLM en sus propios datos.
  15. LLMBox: una biblioteca integral para la implementación de LLM, incluida una tubería de capacitación unificada y una evaluación integral del modelo.
  16. Paddlenlp: Biblioteca NLP y LLM fácil de usar y potente.
  17. WorkBench-LlamaFactory: este es un proyecto de ejemplo de Borkbench Nvidia AI que demuestra un flujo de trabajo de desarrollo de modelos de extremo a extremo utilizando LlamaFactory.
  18. OpenRLHF: un marco RLHF de alto rendimiento fácil de usar, escalable y de alto rendimiento (70B+ PPO Tuning completo y DPO iterativo y Lora & Mixtral).
  19. Tinyllava Factory: un marco de modelos multimodales grandes a pequeña escala.
  20. LLM-Foundry: Código de entrenamiento LLM para modelos de Databricks Foundation.
  21. LMMS-Finetune: una base de código unificada para modelos multimodales grandes de Finetuning (Full, Lora), admitiendo Llava-1.5, Qwen-VL, Llava-Interleave, Llava-Next-Video, Phi3-V, etc.
  22. Simplifine: Simplifine le permite invocar la finalización de LLM con solo una línea de código utilizando cualquier conjunto de datos o modelo de datos de abrazos.
  23. Transformer Lab: Aplicación de código abierto para ingeniería LLM avanzada: interactuar, entrenar, afinar y evaluar modelos de idiomas grandes en su propia computadora.
  24. Liger-Kernel: Kernels Triton eficientes para el entrenamiento LLM.
  25. Chatlearn: un marco de capacitación flexible y eficiente para la alineación a gran escala.
  26. Nanotrón: Modelo de lenguaje grande minimalista Entrenamiento de paralelismo 3D.
  27. Aunging proxy: modelos de lenguaje de ajuste por proxy.
  28. Alineación de LLM efectiva: Kit de herramientas de alineación de LLM efectivo.
  29. Avanzado
  30. Meta Lingua: una base de código delgada, eficiente y fácil de atrapar para investigar LLM.
  31. Vision-llm Alignemnt: este repositorio contiene el código para SFT, RLHF y DPO, diseñado para LLM basados ​​en la visión, incluidos los modelos Llava y los modelos LLAMA-3.2-Vision.
  32. FINETUNE-QWEN2-VL: inicio rápido para ajustar o continuar el modelo QWEN2-VL previo al entrenamiento.
↥ De vuelta a la cima

Inferencia

  1. Ollama: Llegue en funcionamiento con Llama 3, Mistral, Gemma y otros modelos de idiomas grandes.
  2. Abra WebUI: WebUI fácil de usar para LLMS (anteriormente Ollama Webui).
  3. Text Generation WebUI: una interfaz de usuario web de Gradio para modelos de idiomas grandes.
  4. Xinferencia: una biblioteca poderosa y versátil diseñada para servir lenguaje, reconocimiento de voz y modelos multimodales.
  5. Langchain: construir aplicaciones de razonamiento con contexto.
  6. Llamaindex: un marco de datos para sus aplicaciones LLM.
  7. LOBE-CHAT: un marco de chat LLMS/AI de código abierto, moderno de LLMS/AI.
  8. Tensorrt-LLM: Tensorrt-LLM proporciona a los usuarios una API de Python fácil de usar para definir modelos de idiomas grandes (LLM) y construir motores Tensorrt que contengan optimizaciones de última generación para realizar una inferencia de manera eficiente en las GPU NVIDIA.
  9. VLLM: una inferencia de alto rendimiento y eficiente de memoria y un motor de servicio para LLM.
  10. Llamachat: Chatea con tus modelos de LLAMA favoritos en una aplicación nativa de macOS.
  11. NVIDIA CHATRTX: CHATRTX es una aplicación de demostración que le permite personalizar un modelo de lenguaje grande GPT (LLM) conectado a su propio contenido: Docs, notas u otros datos.
  12. LM Studio: descubrir, descargar y ejecutar LLMS locales.
  13. chat-with-mlx: chatee con sus datos de forma nativa en Apple Silicon usando MLX Framework.
  14. Precios de LLM: ¡Encuentre rápidamente la API de modelos de idiomas grandes (LLM) para su presupuesto!
  15. Interpreter abierto: una interfaz de lenguaje natural para computadoras.
  16. Chat-LOlama: un chatbot de código abierto basado en LLMS.
  17. CHAT-UI: Base de código código abierto que enciende la aplicación HuggingChat.
  18. MEMGPT: Crear agentes LLM con memoria a largo plazo y herramientas personalizadas.
  19. Koboldcpp: una forma simple de un archivo de ejecutar varios modelos GGML y GGUF con la interfaz de usuario de Koboldai.
  20. LLMFARM: LLAMA y otros modelos de idiomas grandes en iOS y MacOS fuera de línea utilizando la biblioteca GGML.
  21. Enchanted: Enchanted es la aplicación iOS y MacOS para chatear con modelos de idiomas privados alojados como LLAMA2, Mistral o Vicuna usando Ollama.
  22. Flowise: arrastre y suelte la interfaz de usuario para construir su flujo LLM personalizado.
  23. Jan: Jan es una alternativa de código abierto a ChatGPT que se extiende 100% fuera de línea en su computadora.
  24. LMDePloy: LMDePloy es un kit de herramientas para comprimir, implementar y servir LLM.
  25. Routellm: un marco para servir y evaluar enrutadores LLM: ¡ahorre costos de LLM sin comprometer la calidad!
  26. Minferencia: a punto de acelerar la inferencia de LLMS de larga duración, apropiado y dinámico, calcule la atención, lo que reduce la latencia de inferencia hasta 10 veces para el repleto de un A100 mientras mantiene la precisión.
  27. MEM0: La capa de memoria para IA personalizada.
  28. Sglang: Sglang es otro marco de servicio rápido para modelos de idiomas grandes y modelos de lenguaje de visión.
  29. AirllM: AirllM optimiza el uso de la memoria de inferencia, lo que permite que los modelos de lenguaje grandes 70B ejecuten una inferencia en una sola tarjeta de GPU de 4 GB sin cuantificación, destilación y poda.
  30. LLMHUB: LLMHUB es una plataforma de administración ligera diseñada para optimizar la operación y la interacción con varios modelos de lenguaje (LLM).
  31. Yuanchat
  32. Litellm: llame a todas las API de LLM usando el formato OpenAI [Bedrock, Huggingface, Vertexai, Tocai, Azure, OpenAi, Groq, etc.]
  33. Guidellm: Guidellm es una herramienta poderosa para evaluar y optimizar la implementación de grandes modelos de idiomas (LLM).
  34. Engenes de LLM: un motor de inferencia unificado para modelos de idiomas grandes (LLM) que incluyen modelos de código abierto (VLLM, SGLANG, Together) y modelos comerciales (OpenAI, Mistral, Claude).
  35. Oarc: Ollama_AGENT_ROLL_CAGE (OARC) es un agente local de Python que fusiona Ollama LLM con modelos de discurso Coqui-Tts, clases de keras, visión de Llava, reconocimiento de susurro y más para crear un agente de chatbot unificado para automatización local, personalizada.
  36. G1: Uso de LLAMA-3.1 70B en Groq para crear cadenas de razonamiento similares a O1.
  37. MemoryScope: MemoryScope proporciona chatbots LLM con capacidades de memoria a largo plazo potentes y flexibles, que ofrece un marco para construir tales habilidades.
  38. OpenLLM: Ejecute cualquier LLM de código abierto, como Llama 3.1, Gemma, como punto final API compatible de OpenAI en la nube.
  39. Infinito: la base de datos nativa de AI creada para aplicaciones LLM, que proporciona una búsqueda híbrida increíblemente rápida de incrustación densa, incrustación escasa, tensor y texto completo.
  40. OptillM: un proxy de inferencia optimizada compatible con API de OpenAI que implementa varias técnicas de última generación que pueden mejorar la precisión y el rendimiento de los LLM.
  41. Llama Box: LLM Inference Server Implementation basada en llama.cpp.
↥ De vuelta a la cima

Evaluación

  1. LM-Evaluación-Harness: un marco para la evaluación de pocos disparos de los modelos de idiomas.
  2. OpenCompass: OpenCompass es una plataforma de evaluación LLM, que respalda una amplia gama de modelos (LLAMA3, Mistral, Internlm2, GPT-4, LLAMA2, QWEN, GLM, CLAUDE, etc.) de más de 100 conjuntos de datos.
  3. LLM-Comparator: LLM Comparator es una herramienta de visualización de datos interactiva para evaluar y analizar las respuestas de LLM de lado a lado, desarrollada.
  4. Evalscope
  5. Weave: un juego de herramientas liviano para rastrear y evaluar aplicaciones LLM.
  6. Mixeval: derivando la sabiduría de la multitud de las mezclas de referencia LLM.
  7. Guía de evaluación: si alguna vez se ha preguntado cómo asegurarse de que un LLM funcione bien en su tarea específica, ¡esta guía es para usted!
  8. Ollama Benchmark: LLM Benchmark para el rendimiento a través de Ollama (LLMS local).
  9. VLMEVALKIT: Kit de herramientas de evaluación de código abierto de grandes modelos en idioma de visión (LVLM), soporte ~ 100 VLMS, más de 40 puntos de referencia.

LLM API 服务平台:

  1. Hacer surgimiento
  2. Flujo a base de silicio
  3. Motor volcánico
  4. Wen xin qianfan
  5. Guarnición
↥ De vuelta a la cima

Uso de experiencia

  1. LMSYS Chatbot Arena: Benchmarking LLMS en la naturaleza
  2. Arena de maquetas de compassarena sinan
  3. Langya Bang
  4. Spaces Huggingface
  5. Espacios de Wisemodel
  6. Poe
  7. Lista salvaje de Big Model de Brother Lin
  8. OpenRouter
  9. Cualquier chat
↥ De vuelta a la cima

Trapo de la base de conocimiento

  1. Cualquierallm: la aplicación AI todo en uno para cualquier LLM con capacidades completas de agente de trapo y IA.
  2. MaxKB: un sistema de preguntas y respuestas de base de conocimiento basado en el modelo de lenguaje grande LLM. Fuera de la caja, admite una incrustación rápida en sistemas comerciales de terceros
  3. Ragflow: un motor trapo de código abierto (generación de generación de recuperación) basado en una comprensión profunda de documentos.
  4. DiFY: una plataforma de desarrollo de aplicaciones LLM de código abierto.
  5. FASTGPT: una plataforma basada en el conocimiento basada en el LLM, ofrece capacidades de procesamiento de datos y modelos listos para usar y capacidades de invocación de modelos, permite la orquestación de flujo de trabajo a través de la visualización de flujo.
  6. Langchain-Chatchat: una pregunta y respuesta de la base de conocimiento local basada en diferentes modelos de idiomas grandes como Langchain y Chatglm
  7. Qanything: Pregunta y respuesta basada en cualquier cosa.
  8. Quivr: ¿Un asistente de productividad personal (RAG) ⚡️?
  9. RAG-GPT: Rag-GPT, Appeding LLM y Rag Technology, aprende de las bases de conocimiento personalizadas por el usuario para proporcionar respuestas contextualmente relevantes para una amplia gama de consultas, asegurando la recuperación de información rápida y precisa.
  10. VERBA: Generación aumentada de recuperación (RAG) Chatbot impulsado por Weaviate.
  11. Flashrag: un kit de herramientas de Python para una investigación eficiente de trapo.
  12. Graphrag: un sistema de generación de generación (RAG) de recuperación (RAG) basado en gráficos modulares.
  13. Lightrag: Lightrag ayuda a los desarrolladores con tuberías de construcción y optimización de tuberías de generador de agentes retriever.
  14. Graphrag-Ollama-UI: Graphrag Use con Ollama con UI de Gradio y características adicionales.
  15. Nano-Gragg: una implementación de Graprag simple y fácil de hacer.
  16. Técnicas de RAG: este repositorio muestra varias técnicas avanzadas para los sistemas de generación (RAG) de recuperación.
  17. RAGAS: Marco de evaluación para sus tuberías de generación aumentada (RAG) de recuperación.
  18. Kotaemon: una interfaz de usuario de trapo limpia y personalizada de código abierto para chatear con sus documentos construidos con usuarios finales y desarrolladores en mente.
  19. Ragapp: La forma más fácil de usar el trapo de agente en cualquier empresa.
  20. Turborag: Acelerar la generación de recuperación acuática con cachés de KV precomputados para texto fortado.
  21. Lightrag: generación de recuperación simple y rápida.
  22. Diez: el marco A-A-Agent de próxima generación, el primer marco de agente de IA multimodal verdaderamente en tiempo real del mundo.
  23. Autorag: herramienta RAG AUTOML para encontrar automáticamente una tubería óptica RAG para sus datos.
  24. KAG: KAG es un marco de generación mejorado por el conocimiento basado en el motor OpenSPG, que se utiliza para construir servicios de toma de decisiones rigurosos y de recuperación de información mejorados por el conocimiento.
  25. Grazo rápido: trapo que se adapta de manera inteligente a su caso de uso, datos y consultas.
  26. Pequeño gráfica
  27. DB-GPT Graphrag: DB-GPT Graphrag integra los gráficos de conocimiento basados ​​en tripletes y los gráficos de la estructura de documentos al tiempo que aprovecha los mecanismos de recuperación de la comunidad y documentos para mejorar las capacidades de RAG, logrando un rendimiento comparable al tiempo que consume el 50% de los tokens requeridos por Microsoft's Graphrag.
  28. Chonkie: La biblioteca de Chunking Rag sin sentido que es liviana, rayo y lista para hacer tus textos.
↥ De vuelta a la cima

Agentes

  1. Autógen: Autogen es un marco que permite el desarrollo de aplicaciones LLM utilizando múltiples agentes que pueden conversar entre sí para resolver tareas.
  2. Crewai: Marco para orquestar el juego de roles, agentes de IA autónomos.
  3. Cochinillo
  4. AgentGPT: ensamblar, configurar e implementar agentes de IA autónomos en su navegador.
  5. Xagent: un agente de LLM autónomo para la resolución de tareas complejas.
  6. MobileAgent: la poderosa Familia Asistente de Operación del Dispositivo Móvil.
  7. LAGENT: un marco liviano para construir agentes basados ​​en LLM.
  8. QWEN-AGENT: AGENTE MARCO Y APLICACIONES construidas sobre Qwen2, con llamadas de función, intérprete de código, trapo y extensión de Chrome.
  9. Linkai: plataforma de construcción inteligente de IA única
  10. Baidu AppBuilder
  11. AgentUniverse: AgentUniverse es un marco de agente múltiple LLM que permite a los desarrolladores construir fácilmente aplicaciones de múltiples agentes.
  12. Lazyllm: herramienta de desarrollo para construir aplicaciones a gran escala de múltiples agentes con código bajo
  13. AgentsCope: Iniciar aplicaciones de agentes múltiples empoderadas con LLM de manera más fácil.
  14. MOA: la mezcla de agentes (MOA) es un enfoque novedoso que aprovecha las fortalezas colectivas de múltiples LLM para mejorar el rendimiento, logrando resultados de última generación.
  15. AGLENTE: Marco de desarrollo de aplicaciones de agente de IA.
  16. Omagent: un marco de agente multimodal para resolver tareas complejas.
  17. Tribu: No hay herramienta de código para construir y coordinar rápidamente equipos de múltiples agentes.
  18. Camel: Primer marco de agente múltiple LLM y una comunidad de código abierto dedicada a encontrar la ley de escala de los agentes.
  19. Praisonai: la aplicación Praisponei combina autógenos y crewai o marcos similares en una solución de bajo código para construir y administrar sistemas LLM de múltiples agentes, centrándose en la simplicidad, la personalización y la colaboración eficiente del agente humano.
  20. IOA: Un marco de código abierto para agentes de IA colaborativos, que permite la diversidad, agentes distribuidos para combinar y abordar tareas complejas a través de la conectividad similar a Internet.
  21. LLAMA-AGENTIC-SYSTEM: componentes de agente de las API de la pila LLAMA.
  22. Agente cero: el agente cero no es un marco de agente predefinido.
  23. Agentes: un marco de código abierto para agentes de lenguaje autónomo centrado en los datos y auto evolucionamiento.
  24. AgentsCope: Iniciar aplicaciones de agentes múltiples empoderadas con LLM de manera más fácil.
  25. Fastagency: la forma más rápida de llevar flujos de trabajo de múltiples agentes a la producción.
  26. Swarm: Marco para construir, orquestar y implementar sistemas de agentes múltiples.
  27. Agente-S: un marco de agente abierto que usa computadoras como un humano.
↥ De vuelta a la cima

Buscar

  1. OpenSearch GPT: Searchgpt / Perplexity Clone, pero personalizado para usted.
  2. MindSearch: un marco múltiple de agente múltiple basado en LLM del motor de búsqueda web (como Perplexity.ai Pro y SearchGPT).
  3. nanoperplexyai: la implementación de código abierto más simple de perplejidad.
  4. Curiosidad: trate de construir una experiencia de usuario similar a la perplejidad.
↥ De vuelta a la cima

Libros

  1. Modelo de lenguaje a gran escala: de teoría a práctica
  2. "Big Language Model"
  3. "Mankup manual en LLM"
  4. "Agente de IA manual"
  5. Construya un modelo de idioma grande (desde cero)
  6. "Maqueta multimodal"
  7. Manual generativo de IA: una hoja de ruta para aprender recursos
  8. Comprender el aprendizaje profundo
  9. "Libro ilustrado para aprender sobre Transformers & LLMS"
  10. Construyendo LLMS para la producción: Mejora de la capacidad de LLM y la confiabilidad con la solicitud, el ajuste y el trapo
  11. "Guía práctica para modelos de idiomas grandes: práctica de aplicaciones e implementación de escenarios"
  12. "Modelos de lenguaje grande y práctico"
  13. Procesamiento del lenguaje natural: gran teoría y práctica de modelos
  14. "Aprendizaje manual de aprendizaje de refuerzo"
  15. "Introducción a LLM para desarrolladores"
  16. "Modelo básico"
↥ De vuelta a la cima

Curso

LLM Resources Hub

  1. Stanford CS224N: Procesamiento del lenguaje natural con aprendizaje profundo
  2. Ng: IA generativa para todos
  3. NG: LLM Serie de cursos
  4. Tutorial de ACL 2023: modelos de idiomas basados ​​en recuperación y aplicaciones
  5. LLM-Course: curso para ingresar a modelos de idiomas grandes (LLM) con hojas de ruta y cuadernos Colab.
  6. Microsoft: IA generativa para principiantes
  7. Microsoft: estado de GPT
  8. Curso de NLP de Huggingface
  9. Tsinghua NLP Liu Zhiyuan Equipo Big Modelo Open Class
  10. Stanford CS25: Transformers United V4
  11. Stanford CS324: modelos de idiomas grandes
  12. Princeton Cos 597g (otoño 2022): Comprender modelos de idiomas grandes
  13. Johns Hopkins CS 601.471/671 NLP: modelos auto-supervisados
  14. Curso de Genai de Li Hongyi
  15. Operai-Cookbook: ejemplos y pautas para usar la API de OpenAI.
  16. Hands On LLMS: Aprenda sobre LLM, LLMOPS y Vector DBS de forma gratuita diseñando, capacitando e implementando un sistema LLM de asesor financiero en tiempo real.
  17. Universidad de Waterloo CS 886: Avanzados recientes en modelos de fundaciones
  18. Mistral: Comenzando con Mistral
  19. Stanford CS25: Transformers United V4
  20. Coursera: proyecto de solicitud de solicitud de chatgpt
  21. LANGGPT: ¡Empoderar a todos para convertirse en un experto rápido!
  22. Mistralai-Cookbook
  23. Introducción a la primavera generativa de IA 2024
  24. Build Nanogpt: Video+Lección de código sobre la construcción de nanogpt desde cero.
  25. LLM101N: Construyamos un narrador.
  26. Gráficos de conocimiento para trapo
  27. LLMS desde cero (versión datawhale)
  28. Ferrag
  29. El camino a agi
  30. Andrej Karpathy - Redes neuronales: cero a héroe
  31. Visualización interactiva del transformador
  32. Andysingal/LLM-Course
  33. Clase LM
  34. Google Advanced: AI generativa para los desarrolladores de la ruta de aprendizaje
  35. Antropics: tutorial interactivo de ingeniería rápida
  36. LLMSBOOK
  37. Agentes de modelos de idiomas grandes
  38. Cohere LLM University
  39. LLMS y Transformers
  40. Visión SMOL: recetas para reducir, optimizar, personalizar modelos de visión de vanguardia.
  41. Trapo multimodal: chatear con videos
  42. Nota de entrevista de LLMS
  43. Rag ++: de POC a Producción: Curso avanzado de trapo.
  44. Pesos y prejuicios Academia AI: Finetuning, construcción con LLMS, salidas estructuradas y más cursos de LLM.
  45. Ingeniería rápida y tutoriales y recursos de AI
  46. Aprende trapo desde cero - tutorial de Python Ai de un ingeniero de Langchain
  47. Evaluación de LLM: un curso completo
↥ De vuelta a la cima

Tutorial

  1. Aprenda el desarrollo de aplicaciones de gran modelo
  2. Canal de desarrollador de IA
  3. Estación B: Casa de té Wulidun
  4. Estación B: Cheney Muyu
  5. YTB: AI en cualquier momento
  6. Estación B: Qi Nini
  7. Guía de ingeniería rápida
  8. YTB: AI Super Metamorfosis
  9. Estación B: Comunidad de inteligencia artificial TechBeat
  10. Estación B: Huang Yihe
  11. Estación B: Aprendizaje profundo Procesamiento del lenguaje natural
  12. Visualización de LLM
  13. Zhihu: humano de piedra cruda
  14. Estación B: Xiao Heihei habla sobre AI
  15. Estación B: Ingeniero de vehículos frente a la pared
  16. Estación B: veterano de AI Wenzhe
  17. Modelos de idiomas grandes (LLM) con cuadernos Colab
  18. YTB: Tecnología IBM
  19. YTB: Grupo de documento de lectura de unificar
  20. Chip huyen
  21. Cuanto vram
  22. Blog: Science Space (Su Jianlin)
  23. YTB: Hyung Won Chung
  24. Blog: Tejaswi Kashyap
  25. Blog: Blog de Xiaosheng
  26. Zhihu: YBQ
  27. Artículos de W&B
  28. Blog de Huggingface
  29. Blog: Gbyai
  30. Blog: Mlabonne
  31. LLM-acción
  32. Blog: Lil'log (Oponai)
↥ De vuelta a la cima

Papel

Nota

? Hacgingface Daily Papers, papeles geniales, Ml Papers explicó

  1. Informe de Hermes-3-Técnico
  2. El rebaño de modelos de Llama 3
  3. Informe técnico de qwen
  4. Informe técnico de Qwen2
  5. Informe técnico QWEN2-VL
  6. Deepseek LLM: Escala de modelos de lenguaje de código abierto con largo plazo
  7. Deepseek-V2: un modelo de lenguaje de mezcla fuerte, económica y eficiente
  8. Baichuan 2: Modelos de lenguaje a gran escala abiertos
  9. DataComp-LM: en busca de la próxima generación de conjuntos de capacitación para modelos de idiomas
  10. Olmo: Acelerar la ciencia de los modelos de idiomas
  11. MAP-NOO: serie de modelos de lenguaje grande altamente capaz y transparente
  12. Chino Tiny LLM: previamente un modelo de lenguaje grande centrado en el chino
  13. Informe técnico PHI-3: un modelo de idioma altamente capaz localmente en su teléfono
  14. Jamba-1.5: modelos híbridos transformador-mamba a escala
  15. Jamba: un modelo de lenguaje híbrido transformador-mamba
  16. Los libros de texto son todo lo que necesitas
  17. Desatar el poder de los datos del tsunami: una encuesta integral sobre evaluación y selección de datos para el ajuste de instrucciones de data de los modelos de idiomas.
  18. Olmoe: modelos de lenguaje abiertos de la mezcla de expertos
  19. Papel de fusión de modelo
  20. Informe técnico de Baichuan-Omni
  21. 1,5 pintas Informe técnico: Prueba previa en días, no meses: su modelo de idioma prospera en los datos de calidad
  22. Informe técnico de alineación de Baichuan
  23. Hunyuan-Large: un modelo MOE de código abierto con 52 mil millones de parámetros activados por Tencent
  24. Molmo y Pixmo: pesos abiertos y datos abiertos para modelos multimodales de última generación
  25. Tülu 3: Empujar fronteras en el modelo de lenguaje abierto después de la capacitación
↥ De vuelta a la cima

Consejos

  1. Lo que aprendimos de un año de construcción con LLMS (Parte I)
  2. Lo que aprendimos de un año de construcción con LLMS (Parte II)
  3. Lo que aprendimos de un año de construcción con LLMS (Parte III): Estrategia
  4. Fácil de comenzar con el Big Language Model (LLM)
  5. LLMS para la clasificación de texto: una guía para el aprendizaje supervisado
  6. Clasificación de texto no supervisada: Categorice el lenguaje natural con LLMS
  7. Clasificación de texto con LLM: un resumen de los mejores métodos
  8. Precio de LLM
  9. Uncensor cualquier LLM con abstracción
  10. Tiny LLM Universe
  11. Cero-chatgpt
  12. Cero-qwen-vl
  13. finetune-qwen2-vl
  14. MPP-LLAVA
  15. build_minillm_from_scratch
  16. Tiny LLM
  17. Mínimo: 3 horas de entrenamiento Un pequeño parámetro GPT con solo 26 m, y se requiere al menos 2 g de la tarjeta gráfica para inferir el entrenamiento de inferencia.
  18. LLM-Travel: dedicado a una comprensión profunda, discusión e implementación de diversas tecnologías, principios y aplicaciones relacionadas con modelos grandes
  19. Destilación del conocimiento: enseñanza de LLM con datos sintéticos
  20. Parte 1: Métodos para adaptar modelos de idiomas grandes
  21. Parte 2: ajustar o no tune
  22. Parte 3: Cómo ajustar: concéntrese en conjuntos de datos efectivos
  23. Reader-LM: Modelos de lenguaje pequeño para limpiar y convertir HTML a Markdown
  24. Experiencia de construcción de aplicaciones LLMS por un año
  25. Pretrain de entrenamiento LLM
  26. Pytorch-llama: Llama 2 implementado desde cero en Pytorch.
  27. Optimización de preferencias para modelos de lenguaje de visión con TRL 【Modelo de soporte】
  28. Modelos de lenguaje visual ajustado con SFTTrainer 【Docios】
  29. Una guía visual para la mezcla de expertos (MOE)
  30. Rol-Raying en modelos de idiomas grandes como chatgpt
  31. Guía de capacitación distribuida: Mejores prácticas y guías sobre cómo escribir código de capacitación de Pytorch distribuido.
  32. Plantillas de chat
  33. Top 20+ preguntas de entrevista de trapo
↥ De vuelta a la cima

Si le resulta útil este proyecto, por favor cita: 

 @misc { wang2024llm ,
      title = { awesome-LLM-resourses } , 
      author = { Rongsheng Wang } ,
      year = { 2024 } ,
      publisher = { GitHub } ,
      journal = { GitHub repository } ,
      howpublished = { url{https://github.com/WangRongsheng/awesome-LLM-resourses} } ,
}
Expandir
Información adicional
Aplicaciones relacionadas
Recomendado para ti
Información relacionada Todo