awesome LLM resourses

世界最高の大規模な言語モデルリソースは常に更新されています

詳細を確認してください

[オンラインで読む]

コンテンツ

• データ
• 微調整
• 推論
• 評価
• 経験の使用
• ナレッジベースのぼろきれ
• エージェント
• 検索
• 本
• コース
• チュートリアル
• 紙
• ヒント

データ

注記

ここに名前付き数据がありますが、ここには特定のデータセットはありませんが、大規模なデータ収集を処理する方法が提供されます

私たちは常に、人々に釣りの方法を教えるよりも、釣り方を教える方が良いと信じています

1. aotolabel：LLMSを使用してテキストデータセットをラベル付け、クリーンで充実させます。
2. Labelllm：オープンソースデータアノテーションプラットフォーム。
3. Data-Juicer：LLMのためにデータを高品質でジューシーで消化しやすくするためのワンストップデータ処理システム！
4. Omniparser：CSV、JSON、XML、EDI、テキストなどのネイティブGolang ETLストリーミングパーサーおよび変換ライブラリ。
5. Mineru：Mineruは、ワンストップのオープンソースの高品質のデータ抽出ツールであり、PDF/Webページ/電子書籍抽出をサポートしています。
6. PDF-Extract-Kit：高品質のPDFコンテンツ抽出のための包括的なツールキット。
7. Parsera：LLMSでWebサイトを削るための軽量ライブラリ。
8. Sparrow：Sparrowは、さまざまなドキュメントや画像からの効率的なデータ抽出と処理のための革新的なオープンソースソリューションです。
9. ドクリング：PDFをJSONまたはマークダウンに簡単に変換します。
10. GOT-OCR2.0：OCRモデル。
11. LLM脱染色器：言い換えたサンプルを使用した言語モデルのベンチマークと汚染の再考。
12. DataTrove：DataTroveは、非常に大規模にテキストデータを処理、フィルタリング、および容易にするライブラリです。
13. LLM-Swarm：Cosmopediaなどの大きな合成データセットを生成します。
14. Distilabel：Distilabelは、検証済みの研究論文に基づいて、高速で信頼性が高く、スケーラブルなパイプラインを必要とするエンジニア向けの合成データとAIフィードバックのフレームワークです。
15. Common-Crawl-Pipeline-Creator：Common Crawl Pipeline Creator。
16. 表：マークダウンとCSVにテーブルを検出して抽出します。
17. Zerox：Zero Shot PDF OCRがGPT-4O-MINIを使用しています。
18. Doclayout-Yolo：多様な合成データとグローバルからローカルへの適応認識を通じて、ドキュメントレイアウト分析を強化します。
19. Tensorzero：LLMSを経験を通じて改善します。
20. PROMPTWRIGHT：ローカルLLMを使用して大きな合成データを生成します。
21. PDF-Extract-API：最先端のOCRS + Ollamaサポートモデルを使用して、ドキュメント（PDF）抽出および解析API。
22. PDF2HTMLEX：テキストやフォーマットを失うことなく、PDFをHTMLに変換します。
23. 抽出：多くの言語のバインディングで錆びた高速で効率的なデータ抽出。

topに戻ります

微調整

1. llama-factory：100以上のLLMの効率的な微調整を統合します。
2. Unsloth：2-5x高速80％少ないメモリLLM Finenetning。
3. TRL：トランス補強学習。
4. ホタル：ホタル：多数の大きなモデルのトレーニングをサポートする大きなモデルトレーニングツール
5. Xtuner：微調整する大型モデル用の効率的で柔軟でフル機能のあるツールキット。
6. Torchtune：LLM微調整のためのネイティブ-Pytorchライブラリ。
7. Swift：PEFTまたはフルパラメーターを使用して、200以上のLLMまたは15+ MLLMをFinetuneします。
8. AutoTrain：最先端の機械学習モデルを自動的にトレーニング、評価、展開する新しい方法。
9. OpenRLHF：使いやすく、スケーラブルで高性能RLHFフレームワーク（70B+フルチューニング＆LORA＆MIXTRAL＆KTOをサポート）。
10. Ludwig：カスタムLLM、ニューラルネットワーク、およびその他のAIモデルを構築するための低コードフレームワーク。
11. Mistral-Finetune：Mistralのモデルのメモリ効率とパフォーマンスの微調整を可能にする軽量コードベース。
12. Aikit：オープンソースLLMSを簡単に調整、構築、展開してください！
13. H2O-llmStudio：H2O LLM Studio-微調整LLMのフレームワークとノーコードGUI。
14. Litgpt：Flash Technive、Flash Anteress、FSDP、4ビット、LORAなどに、プレイン、Finetune、20+ LLMを展開します。
15. LLMBOX：統一されたトレーニングパイプラインと包括的なモデル評価を含むLLMを実装するための包括的なライブラリ。
16. PADDLENLP：使いやすく強力なNLPおよびLLMライブラリ。
17. ワークベンチラマファクトリー：これは、llamaFactoryを使用したエンドツーエンドモデル開発ワークフローを実証するNVIDIA AIワークベンチの例プロジェクトです。
18. OpenRLHF：使いやすく、スケーラブルで高性能RLHFフレームワーク（70B+ PPOフルチューニングおよび反復DPO＆LORA＆MIXTRAL）。
19. Tinyllava Factory：小規模な大型マルチモーダルモデルのフレームワーク。
20. LLM-Foundry：DataBricks FoundationモデルのLLMトレーニングコード。
21. LMMS-finetune：Finetuning（Full、lora）の大規模なマルチモーダルモデルの統一コードベース、Llava-1.5、Qwen-Vl、Llava-interleave、llava-next-video、phi3-vなどをサポートします。
22. Simplifine：Simplifineを使用すると、hugging hugging faceデータセットまたはモデルを使用して、1つのコードのみでLLM Finenetuningを呼び出します。
23. Transformer Lab：Advanced LLM Engineeringのオープンソースアプリケーション：自分のコンピューターで大規模な言語モデルをやり取り、トレーニング、微調整、評価します。
24. Liger-Kernel：LLMトレーニング用の効率的なTritonカーネル。
25. ChatLearn：大規模なアライメントのための柔軟で効率的なトレーニングフレームワーク。
26. ナノトロン：ミニマルな大手言語モデル3D並列系トレーニング。
27. プロキシチューニング：プロキシごとに言語モデルのチューニング。
28. 効果的なLLMアライメント：効果的なLLMアライメントツールキット。
29. Autotrain-Advanced
30. Meta Lingua：​​LLMSを調査するための無駄のない効率的でハッキングしやすいコードベース。
31. Vision-LLM Alignemnt：このリポジトリには、LLAVAモデルやLLAMA-3.2-Visionモデルを含むVisionベースのLLM用に設計されたSFT、RLHF、およびDPOのコードが含まれています。
32. Finetune-QWEN2-VL：微調整のクイックスタートまたはプリトレインQWEN2-VLモデルを継続します。

topに戻ります

推論

1. Ollama：Llama 3、Mistral、Gemma、およびその他の大規模な言語モデルで起きて実行します。
2. Open WebUI：LLMS用ユーザーフレンドリーWebUI（以前のOllama WebUI）。
3. テキスト生成WebUI：大規模な言語モデル用のグラデーションWeb UI、gptq、awq、exl2、llama.cpp（gguf）、llamaモデルをサポートしています。
4. Xinference：言語、音声認識、マルチモーダルモデルを提供するように設計された強力で多目的なライブラリ。
5. Langchain：コンテキストを認識している推論アプリケーションを構築します。
6. LMAINDEX：LLMアプリケーションのデータフレームワーク。
7. Lobe-Chat：オープンソース、最新のLLMS/AIチャットフレームワーク、マルチモーダー（Vision/TTS）、プラグインシステムをサポートしています。
8. Tensorrt-llm：Tensorrt-llmは、ユーザーに、大規模な言語モデル（LLM）を定義する使いやすいPython APIを提供し、NVIDIA GPUで推論を実行するための最先端の最適化を含むTensortエンジンを構築します。
9. VLLM：LLMSのハイスループットとメモリ効率の高い推論とサービングエンジン。
10. Llamachat：ネイティブMacOSアプリでお気に入りのLlamaモデルとチャットします。
11. nvidia chatrtx：chatrtxは、独自のコンテンツ（DOC、メモ、またはその他のデータ）に接続されたGPT大手言語モデル（LLM）をパーソナライズできるデモアプリです。
12. LM Studio：ローカルLLMSを発見、ダウンロード、実行します。
13. MLXフレームワークを使用して、Appleシリコンでデータとネイティブにデータとチャットします。
14. LLMの価格設定：予算に最適な大規模な言語モデル（LLM）APIをすばやく見つけてください。
15. オープンインタープリター：コンピューター用の自然言語インターフェイス。
16. Chat-Ollama：LLMSに基づくオープンソースのチャットボット。
17. Chat-UI：HuggingChatアプリに電源を入れるオープンソースコードベース。
18. Memgpt：長期メモリとカスタムツールを備えたLLMエージェントを作成します。
19. Koboldcpp：KoboldaiのUIでさまざまなGGMLおよびGGUFモデルを実行する簡単な1ファイルの方法。
20. LLMFARM：GGMLライブラリを使用して、iOSおよびMACOSオフラインのLlamaおよびその他の大規模な言語モデル。
21. Enchanted：Enchantedは、Ollamaを使用してLlama2、Mistral、Vicunaなどの個人ホスト言語モデルとチャットするためのiOSおよびMacOSアプリです。
22. Flowise：UIをドラッグアンドドロップして、カスタマイズされたLLMフローを構築します。
23. Jan：Janは、コンピューターで100％オフラインで実行されるChatGptのオープンソースです。
24. LMDEPLOY：LMDEPLOYは、LLMSを圧縮、展開、および提供するためのツールキットです。
25. Routellm：LLMルーターを提供および評価するためのフレームワーク - 品質を損なうことなくLLMコストを節約してください！
26. Minference：長いコンテキストLLMSの推論をスピードアップしようとすると、適切かつ動的なスパースが注意を計算します。
27. MEM0：パーソナライズされたAIのメモリ層。
28. Sglang：Sglangは、大規模な言語モデルとビジョン言語モデルのためのもう1つの高速サーブフレームワークです。
29. Airllm：Airllmは、推論メモリの使用量を最適化し、70Bの大規模な言語モデルが、量子化、蒸留、剪定なしで1つの4GB GPUカードで推論を実行できるようにします。
30. LLMHUB：LLMHUBは、さまざまな言語モデル（LLM）との操作と相互作用を合理化するように設計された軽量管理プラットフォームです。
31. yuanchat
32. litellm：Openai形式[Bedrock、Huggingface、Vertexai、gethingai、Azure、openai、groqなどを使用してすべてのLLM APIを呼び出します。
33. Guidellm：Guidellmは、大規模な言語モデル（LLM）の展開を評価および最適化するための強力なツールです。
34. LLM-Engines：オープンソースモデル（VLLM、SGLANG、一緒に）および商用モデル（OpenAI、Mistral、Claude）を含む、大規模な言語モデル（LLMS）用の統一された推論エンジン。
35. OARC：Ollama_agent_roll_cage（OARC）は、地元のPythonエージェントであるCoqui-TTSスピーチモデル、Kerasクラス、Llavaビジョン、ささやき認識などを融合させて、ローカル、カスタム自動化用の統一されたチャットボットエージェントを作成します。
36. G1：GROQでllama-3.1 70bを使用して、O1様の推論チェーンを作成します。
37. MemoryScope：MemoryScopeは、強力で柔軟な長期メモリ機能を備えたLLMチャットボットを提供し、そのような能力を構築するためのフレームワークを提供します。
38. Openllm：クラウドのOpenAI互換APIエンドポイントとして、Llama 3.1、GemmaなどのオープンソースLLMを実行します。
39. Infinity：LLMアプリケーション用に構築されたAI-Nativeデータベースは、密な埋め込み、スパース埋め込み、テンソル、フルテキストの非常に速いハイブリッド検索を提供します。
40. Optillm：LLMSの精度とパフォーマンスを改善できるいくつかの最先端の技術を実装するOpenAI API互換最適化された推論プロキシ。
41. llama Box：LLAMA.CPPに基づくLLM Inference Serverの実装。

topに戻ります

評価

1. LM評価ハーネス：言語モデルの少数のショット評価のフレームワーク。
2. OpenCompass：OpenCompassはLLM評価プラットフォームであり、100+データセットを超える幅広いモデル（LLAMA3、MISTRAL、INTERNLM2、GPT-4、LLAMA2、QWEN、GLM、Claudeなど）をサポートしています。
3. LLM-Comparator：LLM Comparatorは、開発されたLLM応答を並べて評価および分析するためのインタラクティブなデータ視覚化ツールです。
4. evalscope
5. 織り：LLMアプリケーションを追跡および評価するための軽量ツールキット。
6. Mixeval：LLMベンチマーク混合物から群衆の知恵を導き出します。
7. 評価ガイドブック：LLMが特定のタスクでうまく機能することを確認する方法を疑問に思ったことがある場合は、このガイドはあなたのためです！
8. Ollama Benchmark：Ollama（ローカルLLMS）を介したスループット用のLLMベンチマーク。
9. Vlmevalkit：大規模な視覚言語モデル（LVLMS）のオープンソース評価ツールキット、〜100 VLMS、40+ベンチマークをサポートします。

LLM API 服务平台：

1. groq
2. シリコンベースのフロー
3. 火山エンジン
4. ウェン・シン・チアンファン
5. DashScope

topに戻ります

経験の使用

1. LMSYSチャットボットアリーナ：野生のLLMSベンチマーク
2. コンパスレナシナンモックアップアリーナ
3. ランギア・バン
4. ハギングフェイススペース
5. wisemodelスペース
6. ポー
7. リン兄弟のビッグモデルワイルドリスト
8. OpenRouter
9. anychat

topに戻ります

ナレッジベースのぼろきれ

1. Anythllm：完全なRAGおよびAIエージェント機能を備えた任意のLLM用のオールインワンAIアプリ。
2. MAXKB：LLM大手言語モデルに基づく知識ベースの質問と回答システム。箱から出して、サードパーティのビジネスシステムへの迅速な埋め込みをサポートします
3. Ragflow：ディープドキュメントの理解に基づいたオープンソースのぼろ（検索された生成）エンジン。
4. Dify：オープンソースLLMアプリ開発プラットフォームは、AIワークフロー、RAGパイプライン、エージェント機能、モデル管理、観測可能性などを組み合わせて、プロトタイプから生産に迅速に移動します。
5. FASTGPT：LLMに基づいて構築された知識ベースのプラットフォームは、すぐに使用できるデータ処理とモデルの呼び出し機能を提供し、フローの視覚化を通じてワークフローオーケストレーションを可能にします。
6. Langchain-Chatchat：LangchainやChatglmなどのさまざまな大規模な言語モデルに基づくローカルナレッジベースの質問と回答
7. Qanything：何に基づいて質問と回答。
8. Quivr：個人の生産性アシスタント（RAG）⚡docs（PDF、CSV、...）、およびGPT 3.5 / 4ターボ、プライベート、Vertexai、Ollama、LLMS、Groqを使用して、ユーザーと共有できます。
9. RAG-GPT：LAG-GPT、LLMおよびRAGテクノロジーを活用して、ユーザーがカスタマイズされた知識ベースから学習して、幅広いクエリにコンテキストに関連する回答を提供し、迅速かつ正確な情報検索を確保します。
10. Verba：Weaviateを搭載した検索拡張生成（RAG）チャットボット。
11. FlashRag：効率的なRAG研究のためのPythonツールキット。
12. GraphRag：モジュラーグラフベースの検索された生成（RAG）システム。
13. Lightrag：Lightragは、Retriever-Agent-Generator Pipelinesの構築と最適化の両方の開発者を支援します。
14. GraphRag-Ollama-UI：GraphRagは、Gradio UIと追加機能を備えたOllamaを使用しています。
15. Nano-Graphrag：シンプルでハッキングしやすいGraphRagの実装。
16. RAGテクニック：このリポジトリは、検索された生成（RAG）システムのためのさまざまな高度な手法を紹介します。
17. RAGAS：検索拡張生成（RAG）パイプラインの評価フレームワーク。
18. Kotaemon：エンドユーザーと開発者の両方を念頭に置いて、ドキュメントとチャットするためのオープンソースクリーンでカスタマイズされたラグUI。
19. Ragapp：あらゆる企業でエージェントRAGを使用する最も簡単な方法。
20. Turborag：充電されたテキスト用の事前計算されたKVキャッシュを使用して、検索された高級世代を加速します。
21. Lightrag：シンプルで高速で検索された高級世代。
22. 10：次世代のAI-Agent Framework、世界初の真のリアルタイムマルチモーダルAIエージェントフレームワーク。
23. Autorag：データ用の光学RAGパイプラインを自動的に見つけるためのRAG Automlツール。
24. KAG：KAGは、OpenSPGエンジンに基づいた知識強化された生成フレームワークであり、知識が強化した厳密な意思決定と情報検索ナレッジサービスを構築するために使用されます。
25. Fast-Graprag：ユースケース、データ、クエリにインテリジェントに適応するラグ。
26. 小さなグラフラグ
27. DB-GPT GraphRag：DB-GPT GraphRagは、トリプレットベースの知識グラフとドキュメント構造グラフを統合しながら、RAG機能を強化するためにコミュニティとドキュメントの検索メカニズムを活用し、Microsoftのグラフラグに必要なトークンの50％しか消費しません。
28. Chonkie：軽量で、稲妻が速く、テキストを鳴らす準備ができているナンセンスなぼろきれのライブラリ。

topに戻ります

エージェント

1. Autogen：Autogenは、タスクを解決するために相互に会話できる複数のエージェントを使用して、LLMアプリケーションの開発を可能にするフレームワークです
2. CREWAI：CREWAIは、ロールプレイの自律的なAIエージェントを調整するためのフレームワークで、エージェントがシームレスに連携し、複雑なタスクに取り組むことができます。
3. コーゼ
4. AgentGPT：ブラウザに自律AIエージェントを組み立て、構成し、展開します。
5. Xagent：複雑なタスク解決のための自律LLMエージェント。
6. MobileAgent：強力なモバイルデバイス操作アシスタントファミリ。
7. Lagent：LLMベースのエージェントを構築するための軽量フレームワーク。
8. QWEN-AGENT：QWEN2に基づいて構築されたエージェントフレームワークとアプリケーション、関数呼び出し、コードインタープリター、RAG、およびChrome拡張機能を備えています。
9. Linkai：ワンストップAIインテリジェントビルディングプラットフォーム
10. Baidu AppBuilder
11. AgentUniverse：Agentuniverseは、開発者がさらにマルチエージェントアプリケーションを簡単に構築できるようにするLLMマルチエージェントフレームワークです。
12. lazyllm：コードが低いマルチエージェントの大規模アプリケーションを構築するための開発ツール
13. Agentscope：LLMエンパワーメントマルチエージェントアプリケーションの構築を簡単に開始します。
14. MOA：エージェントの混合（MOA）は、複数のLLMの集合的な強さを活用してパフォーマンスを向上させ、最先端の結果を達成する新しいアプローチです。
15. Agely：AIエージェントアプリケーション開発フレームワーク。
16. Omagent：複雑なタスクを解決するためのマルチモーダルエージェントフレームワーク。
17. Tribe：マルチエージェントチームを迅速に構築および調整するコードツールはありません。
18. キャメル：最初のLLMマルチエージェントフレームワークと、エージェントのスケーリング法則を見つけることに専念するオープンソースコミュニティ。
19. Praisonai：Praisonai Applicationは、オートゲンと類似のフレームワークを組み合わせて、マルチエージェントLLMシステムを構築および管理するための低コードソリューションになり、シンプルさ、カスタマイズ、効率的なヒューマンエージェントコラボレーションに焦点を当てています。
20. IOA：共同AIエージェントのオープンソースフレームワーク、多様性を可能にし、分散エージェントがインターネットのような接続性を介して複雑なタスクを組み合わせて取り組むことができます。
21. Llama-Agentic-System：Llama Stack APIのエージェントコンポーネント。
22. エージェントゼロ：エージェントゼロは、事前定義されたエージェントフレームワークではありません。
23. エージェント：データ中心の自己進化する自律言語エージェントのオープンソースフレームワーク。
24. Agentscope：LLMエンパワーメントマルチエージェントアプリケーションの構築を簡単に開始します。
25. Fastagency：マルチエージェントワークフローを生産に導く最速の方法。
26. Swarm：Openai Solutionsチームが管理するためのフレームワーク。
27. エージェントS：人間のようなコンピューターを使用するオープンエージェントフレームワーク。

topに戻ります

検索

1. opensearch gpt：searchgpt / perplexityクローンですが、パーソナライズされています。
2. MindSearch：Web検索エンジンのLLMベースのマルチエージェントフレームワーク（Perplexity.ai ProやSearchGptなど）。
3. nanoperplexityai：perplexity.aiの最も単純なオープンソース実装。
4. 好奇心：困惑のようなユーザーエクスペリエンスを構築してみてください。

topに戻ります

本

1. 大規模な言語モデル：理論から実践まで
2. 「ビッグ言語モデル」
3. 「LLMSへの手描きのモックアップ」
4. 「ハンドオンAIエージェント」
5. （ゼロから）大きな言語モデルを構築する
6. 「マルチモーダルモックアップ」
7. 生成AIハンドブック：学習リソースのためのロードマップ
8. 深い学習を理解する
9. 「トランスフォーマーとLLMについて学ぶためのイラスト入りの本」
10. 生産用のLLMSの構築：プロンプト、微調整、ぼろきれによるLLM能力と信頼性の向上
11. 「大規模な言語モデルへの実践ガイド：アプリケーションの実践とシナリオの実装」
12. 「実践的な大手言語モデル」
13. 自然言語処理：大きなモデル理論と実践
14. 「ハンドオンラーニング強化学習」
15. 「開発者向けのLLMの紹介」
16. 「基本モデル」

topに戻ります

コース

LLMリソースハブ

1. スタンフォードCS224N：深い学習を伴う自然言語処理
2. NG：すべての人のための生成AI
3. NG：LLMシリーズのコース
4. ACL 2023チュートリアル：検索ベースの言語モデルとアプリケーション
5. LLMコース：ロードマップとコラブノートブックを使用して、大規模な言語モデル（LLMS）に入るコース。
6. Microsoft：初心者向けの生成AI
7. Microsoft：GPTの状態
8. Huggingface NLPコース
9. Tsinghua nlp liu zhiyuanチームビッグモデルオープンクラス
10. スタンフォードCS25：Transformers United V4
11. スタンフォードCS324：大規模な言語モデル
12. プリンストンCOS 597G（2022年秋）：大規模な言語モデルの理解
13. Johns Hopkins CS 601.471/671 NLP：自立モデル
14. Li Hongyi Genaiコース
15. Openai-Cookbook：Openai APIを使用するための例とガイドライン。
16. LLMSの実践：リアルタイムファイナンシャルアドバイザーLLMシステムを設計、トレーニング、展開することにより、LLM、LLMOPS、およびVector DBSについて無料で学びます。
17. ウォータールー大学CS 886：ファンデーションモデルに関する最近の高度
18. ミストラル：ミストラルを始めましょう
19. スタンフォードCS25：Transformers United V4
20. Coursera：ChatGptアプリケーションプロジェクトプロジェクト
21. Langgpt：みんなが迅速な専門家になることができるようになりました！
22. Mistralai-Cookbook
23. 生成AI 2024 Springの紹介
24. nanogptのビルド：ゼロからNanoGptの構築に関するビデオ+コードレッスン。
25. LLM101N：ストーリーテラーを構築しましょう。
26. RAGの知識グラフ
27. ゼロからのLLMS（DataWhaleバージョン）
28. OpenRag
29. アギへの道
30. Andrej Karpathy-ニューラルネットワーク：ゼロからヒーロー
31. トランスのインタラクティブな視覚化
32. Andysingal/LLM-Course
33. LMクラス
34. Google Advanced：開発者の学習パスのための生成AI
35. 人類：迅速なエンジニアリングインタラクティブチュートリアル
36. llmsbook
37. 大規模な言語モデルエージェント
38. Cohere LLM University
39. LLMSおよびトランス
40. SMOLビジョン：最先端のビジョンモデルの縮小、最適化、カスタマイズのレシピ。
41. マルチモーダルラグ：ビデオとチャットします
42. LLMSインタビューノート
43. Rag ++：POCから生産まで：高度なRAGコース。
44. Weights＆Biases AI Academy：Finetuning、LLMSを備えた建物、構造化された出力、およびその他のLLMコース。
45. プロンプトエンジニアリングとAIチュートリアルとリソース
46. ゼロからぼろきれを学ぶ - ラングチェーンエンジニアのPythonAIチュートリアル
47. LLM評価：完全なコース

topに戻ります

チュートリアル

1. 大きなモデルアプリケーション開発を学びます
2. AI開発者チャネル
3. Bステーション：ウリドゥンティーハウス
4. Bステーション：Cheney Muyu
5. YTB：いつでもAI
6. Bステーション：Qi Nini
7. プロンプトエンジニアリングガイド
8. YTB：AI超変態
9. Bステーション：TechBeat人工知能コミュニティ
10. Bステーション：Huang Yihe
11. Bステーション：深い学習自然言語処理
12. LLMの視覚化
13. Zhihu：生の石の人間
14. Bステーション：Xiao heiheiはAIについて語っています
15. ステーションB：壁に面した車両エンジニア
16. Bステーション：AIベテランWenzhe
17. コラブノートブックを備えた大型言語モデル（LLMS）
18. YTB：IBMテクノロジー
19. YTB：読書ペーパーグループを統合します
20. チップヒューエン
21. いくらvram
22. ブログ：科学スペース（Su Jianlin）
23. YTB：ヒョンはチョンに勝ちました
24. ブログ：Tejaswi Kashyap
25. ブログ：Xiaoshengのブログ
26. Zhihu：YBQ
27. W＆Bの記事
28. Huggingfaceブログ
29. ブログ：Gbyai
30. ブログ：Mlabonne
31. LLM-action
32. ブログ：lil'log（oponai）

topに戻ります

紙

注記

？ハッグフェイスデイリーペーパー、クールペーパー、MLペーパーが説明しました

1. エルメス-3-テクニカルレポート
2. モデルのラマ3群
3. Qwenテクニカルレポート
4. QWEN2テクニカルレポート
5. QWEN2-VLテクニカルレポート
6. Deepseek LLM：オープンソース言語モデルを長期主義でスケーリングします
7. DeepSeek-V2：強力で、経済的で効率的な専門家言語モデル
8. Baichuan 2：大規模な言語モデルを開きます
9. DataComp-LM：言語モデルの次世代のトレーニングセットを探して
10. Olmo：言語モデルの科学の加速
11. Map-Neo：非常に有能で透明なバイリンガルの大規模な言語モデルシリーズ
12. 中国の小さなLLM：中国中心の大手言語モデルを前提としています
13. PHI-3テクニカルレポート：携帯電話でローカルに非常に能力のある言語モデル
14. Jamba-1.5：大規模なハイブリッドトランスマンバモデル
15. Jamba：ハイブリッドトランスマンバ言語モデル
16. 教科書はあなたが必要とするすべてです
17. データの力を解き放つーナミ：言語モデルデータの調整のためのデータ評価と選択に関する包括的な調査data
18. Olmoe：オープンミックスオブエクスペルの言語モデル
19. モデルのマージペーパー
20. Baichuan-Omniテクニカルレポート
21. 1.5パイントテクニカルレポート：数ヶ月ではなく数日で事前に移動します - あなたの言語モデルは品質データで繁栄します
22. Baichuan Alignmentテクニカルレポート
23. Hunyuan-Large：Tencentによる520億個のアクティブ化されたパラメーターを備えたオープンソースMOEモデル
24. Molmo and Pixmo：最先端のマルチモーダルモデルのウェイトとオープンデータ
25. Tülu3：トレーニング後のオープン言語モデルでフロンティアを押します

topに戻ります

ヒント

1. LLMSで建物の1年から学んだこと（パートI）
2. LLMSを使用した1年間の建物から学んだこと（パートII）
3. LLMSを使用した1年間の建物から学んだこと（パートIII）：戦略
4. Big Language Model（LLM）を簡単に始めるのが簡単です
5. テキスト分類のためのLLMS：監視された学習のガイド
6. 教師なしのテキスト分類：LLMSに自然言語を分類します
7. LLMSによるテキスト分類：最良の方法のまとめ
8. LLM価格
9. 抽象化を備えたLLMを無効にします
10. 小さなLLMユニバース
11. Zero-chatgpt
12. Zero-Qwen-Vl
13. Finetune-qwen2-vl
14. mpp-llava
15. build_minillm_from_scratch
16. 小さなLLM
17. Minimind：3時間のトレーニング26mの小さなパラメーターGPT、および推論トレーニングを推測するには少なくとも2Gグラフィックカードが必要です。
18. LLM-Travel：さまざまなテクノロジー、原則、アプリケーションの詳細な理解、議論、および実装に専念
19. 知識の蒸留：合成データを使用してLLMを教える
20. パート1：大規模な言語モデルを適応させる方法
21. パート2：微調整するか微調整しないか
22. パート3：微調整方法：効果的なデータセットに焦点を当てます
23. Reader-LM：HTMLをマークダウンにクリーニングおよび変換するための小さな言語モデル
24. LLMSアプリケーションの構築経験1年間
25. LLMトレーニングプレーン
26. Pytorch-llama：Llama 2は、Pytorchでゼロから実装されています。
27. TRLを使用したビジョン言語モデルの優先最適化【サポートモデル】
28. sfttrainerを使用した微調整視覚言語モデル
29. 専門家の混合物（MOE）の視覚ガイド
30. ChatGptなどの大規模な言語モデルでのロールプレイ
31. 分散トレーニングガイド：分散型Pytorchトレーニングコードの作成方法に関するベストプラクティスとガイド。
32. チャットテンプレート
33. トップ20以上のラグインタビューの質問

topに戻ります

このプロジェクトが役立つ場合は、引用してください。

 @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} } ,
}