홈페이지>프로그래밍 관련>기타 소스코드
다운로드

세계 최고의 대형 언어 모델 리소스가 지속적으로 업데이트됩니다.

자세한 정보를 확인하십시오

[온라인 읽기]

내용물

  • 데이터
  • 미세 조정
  • 추론
  • 평가
  • 사용을 경험하십시오
  • 지식 기반 래그
  • 자치령 대표
  • 찾다
  • 서적
  • 강의
  • 지도 시간
  • 종이
  • 팁

데이터

메모

다음은 명명 된数据여기에는 특정 데이터 세트가 없지만 대규모 데이터 수집을 처리하는 방법이 제공됩니다.

우리는 항상 사람들에게 낚시하는 방법을 가르치는 것보다 낚시하는 방법을 가르치는 것이 낫다고 믿습니다.

  1. AOTOLABEL : LLM으로 라벨, 텍스트 데이터 세트를 깨끗하고 강화합니다.
  2. Labelllm : 오픈 소스 데이터 주석 플랫폼.
  3. Data-Juicer : LLM에 대한 데이터를 더 높은 품질의, 지친, 더 소화하기 쉬운 원 스톱 데이터 처리 시스템!
  4. Omniparser : CSV, JSON, XML, EDI, 텍스트 등의 기본 Golang ETL 스트리밍 파서 및 변환 라이브러리.
  5. Mineru : Mineru는 원 스톱, 오픈 소스, 고품질 데이터 추출 도구이며 PDF/웹 페이지/전자 책 추출을 지원합니다.
  6. PDF-Extract-Kit : 고품질 PDF 컨텐츠 추출을위한 포괄적 인 툴킷.
  7. Parsera : LLMS로 웹 사이트를 폐기하기위한 경량 라이브러리.
  8. Sparrow : Sparrow는 다양한 문서 및 이미지에서 효율적인 데이터 추출 및 처리를위한 혁신적인 오픈 소스 솔루션입니다.
  9. DOCLING : 쉽고 속도로 PDF를 JSON 또는 Markdown으로 변환하십시오.
  10. GOT-ACR2.0 : OCR 모델.
  11. LLM Decontaminator : 벤치 마크와 언어 모델에 대한 벤치 마크 및 오염을 다시 생각합니다.
  12. DataTrove : DataTrove는 매우 대규모로 텍스트 데이터를 처리, 필터링 및 제거하는 라이브러리입니다.
  13. LLM-Swarm : Cosmopedia와 같은 대형 합성 데이터 세트를 생성합니다.
  14. Distilabel : Distilabel은 검증 된 연구 논문을 기반으로 빠르고 신뢰할 수 있고 확장 가능한 파이프 라인이 필요한 엔지니어를위한 합성 데이터의 프레임 워크 및 AI 피드백입니다.
  15. 공통 크롤링 파이프 라인 크레이터 : 일반 크롤링 파이프 라인 제작자.
  16. 표식 : 표지 및 CSV로 테이블을 감지하고 추출합니다.
  17. Zerox : gpt-4o-mini와 함께 제로 샷 PDF OCR.
  18. DoClayout-Molo : 다양한 합성 데이터 및 글로벌-로컬 적응 형 인식을 통한 문서 레이아웃 분석 향상.
  19. Tensorzero : 경험을 통해 LLM을 향상시킵니다.
  20. 프롬프트 : 로컬 LLM을 사용하여 큰 합성 데이터를 생성합니다.
  21. PDF-extract-API : 최첨단 현대 OCRS + Ollama 지원 모델을 사용한 문서 (PDF) 추출 및 구문 분석 API.
  22. PDF2HTMLEX : 텍스트 나 형식을 잃지 않고 PDF를 HTML로 변환하십시오.
  23. 추출 : 많은 언어에 대한 바인딩으로 빠르고 효율적인 비정형 데이터 추출.
↥ 위로 돌아갑니다

미세 조정

  1. LLAMA-FACTORY : 100+ LLM의 효율적인 미세 조정을 통합합니다.
  2. UNSLOTH : 2-5 배 더 빠른 80% 낮은 메모리 LLM FINENENTNING.
  3. TRL : 변압기 강화 학습.
  4. Firefly : Firefly : 교육을 지원하는 대형 모델 교육 도구 수십 개의 큰 모델
  5. XTUNER : 대형 모델을 미세 조정하기위한 효율적이고 유연하며 완전한 기능을 갖춘 툴킷.
  6. Torchtune : LLM 미세 조정을위한 기본 파이토치 라이브러리.
  7. SWIFT : PEFT 또는 풀 파라미터를 사용하여 200+ LLM 또는 15+ MLLM을 미세한 채무를 사용하십시오.
  8. Autotrain : 최신 기계 학습 모델을 자동으로 교육, 평가 및 배포하는 새로운 방법.
  9. OpenRLHF : 사용하기 쉽고 확장 가능하며 고성능 RLHF 프레임 워크 (70B+ Full Tuning & Lora & Mixtral & KTO).
  10. Ludwig : 맞춤형 LLM, 신경망 및 기타 AI 모델을 구축하기위한 저 코드 프레임 워크.
  11. Mistral-Finetune : Mistral의 모델을 메모리 효율적이고 성능이 좋은 양조를 가능하게하는 가벼운 코드베이스.
  12. Aikit : 오픈 소스 LLM을 쉽게 미세 조정, 빌드 및 배포하십시오!
  13. H2-LLMSTUDIO : H2O LLM Studio- 미세 조정 LLM을위한 프레임 워크 및 No-Code GUI.
  14. Litgpt : Pretrain, Finetune, 자체 데이터에 20 개 이상의 LLM을 배포합니다.
  15. LLMBOX : 통합 교육 파이프 라인 및 포괄적 인 모델 평가를 포함하여 LLM을 구현하기위한 포괄적 인 라이브러리.
  16. Paddlenlp : 사용하기 쉬운 강력한 NLP 및 LLM 라이브러리.
  17. Workbench-llamafactory : 이것은 llamafactory를 사용한 엔드 투 엔드 모델 개발 워크 플로를 보여주는 Nvidia AI Workbench 예제 프로젝트입니다.
  18. OpenRLHF : 사용하기 쉽고 확장 가능하며 고성능 RLHF 프레임 워크 (70B+ PPO 전체 튜닝 및 반복 DPO & LORA & MIXTRAL).
  19. Tinyllava Factory : 소규모 대형 멀티 모달 모델의 프레임 워크.
  20. LLM-Foundry : Databricks Foundation 모델을위한 LLM 교육 코드.
  21. LMMS-Finetune : Llava-1.5, Qwen-VL, Llava-Interleave, Llava-Next-Video, Phi3-V 등을 지원하는 Fintuning (Full, Lora) 대형 멀티 모드 모델을위한 통합 코드베이스.
  22. Simplifine : Simplifine을 사용하면 Hugging Face 데이터 세트 또는 모델을 사용하여 한 줄의 코드로 LLM FineneTuning을 호출 할 수 있습니다.
  23. Transformer Lab : 고급 LLM 엔지니어링을위한 오픈 소스 애플리케이션 : 자체 컴퓨터에서 대형 언어 모델을 상호 작용, 훈련, 미세 조정 및 평가합니다.
  24. Liger-Kernel : LLM 교육을위한 효율적인 Triton 커널.
  25. ChatLearn : 대규모 정렬을위한 유연하고 효율적인 교육 프레임 워크.
  26. 나노트론 : 최소한의 대형 언어 모델 3D-parallelism 훈련.
  27. 프록시 튜닝 : 프록시에 의한 언어 모델 튜닝.
  28. 효과적인 LLM 정렬 : 효과적인 LLM 정렬 툴킷.
  29. 오토 트레인 조정
  30. Meta Lingua : LLM을 연구하기위한 마른적이고 효율적이며 사냥하기 쉬운 코드베이스.
  31. Vision-Llm Alignemnt :이 저장소에는 LLAVA 모델 및 LLAMA-3.2- vision 모델을 포함하여 비전 기반 LLM 용으로 설계된 SFT, RLHF 및 DPO 코드가 포함되어 있습니다.
  32. FINETUNE-QWEN2-VL : 미세 조정 또는 사전 훈련 QWEN2-VL 모델을위한 빠른 시작.
↥ 위로 돌아갑니다

추론

  1. Ollama : Llama 3, Mistral, Gemma 및 기타 대형 언어 모델로 일어나서 달리기.
  2. Open Webui : LLMS (이전 Ollama Webui) 용 사용자 친화적 인 Webui.
  3. Text Generation Webui : 대형 언어 모델을위한 Gradio Web UI는 변압기, GGUF (Llama Models)를 지원합니다.
  4. Xinference : 언어, 음성 인식 및 멀티 모달 모델을 제공하도록 설계된 강력하고 다재다능한 라이브러리.
  5. Langchain : 컨텍스트 인식 추론 응용 프로그램을 구축하십시오.
  6. llamaindex : LLM 응용 프로그램을위한 데이터 프레임 워크.
  7. LOBE-Chat : 오픈 소스, 현대 디자인 LLMS/AI 채팅 프레임 워크는 다중 AI 제공 업체, 멀티 모달 (Vision/TTS) 및 플러그인 시스템을 지원합니다.
  8. Tensorrt-LLM : Tensorrt-LLM은 사용자에게 사용하기 쉬운 Python API를 제공하여 LLM (Lange Language Models)을 정의하고 NVIDIA GPU에서 효율적으로 추론을 수행하기 위해 최첨단 최적화를 포함하는 Tensorrt 엔진을 구축합니다.
  9. VLLM : LLMS 용 고 처리량 및 메모리 효율적인 추론 및 서빙 엔진.
  10. Llamachat : Native MacOS 앱에서 좋아하는 Llama 모델과 채팅하십시오.
  11. NVIDIA ChatRTX : ChatRTX는 자신의 컨텐츠 (DOC, 노트 또는 기타 데이터에 연결된 GPT 대형 언어 모델)를 개인화 할 수있는 데모 앱입니다.
  12. LM Studio : 현지 LLM을 발견, 다운로드 및 실행하십시오.
  13. Chat-With-MLX : MLX 프레임 워크를 사용하여 Apple Silicon에서 기본적으로 데이터와 채팅하십시오.
  14. LLM 가격 : 예산에 대한 완벽한 대형 언어 모델 (LLM) API를 신속하게 찾으십시오!
  15. 오픈 인터프리터 : 컴퓨터 용 자연어 인터페이스.
  16. Chat-Ollama : LLM을 기반으로 한 오픈 소스 챗봇은 광범위한 언어 모델과 지식 기반 관리를 지원합니다.
  17. Chat-Ui : 오픈 소스 코드베이스 HuggingChat 앱에 동력을 공급합니다.
  18. MEMGPT : 장기 메모리 및 사용자 정의 도구로 LLM 에이전트를 만듭니다.
  19. KOBOLDCPP : Koboldai의 UI로 다양한 GGML 및 GGUF 모델을 실행하는 간단한 1 파일 방법.
  20. LLMFARM : GGML 라이브러리를 사용하여 iOS 및 MACOS 오프라인의 LLAMA 및 기타 대형 언어 모델.
  21. Enchanted : Enchanted는 Ollama를 사용하여 LLAMA2, MISTRAL 또는 VICUNA와 같은 개인 자체 호스팅 언어 모델과 채팅하기위한 iOS 및 MACOS 앱입니다.
  22. FLOWISE : UI를 드래그 앤 드롭하여 맞춤형 LLM 흐름을 구축하십시오.
  23. Jan : Jan은 컴퓨터에서 100% 오프라인을 실행하는 Open Sourt 대안입니다 (LLAMA.CPP, Tensorrt-Llm).
  24. LMDEPLOY : LMDEPLOY는 LLMS를 압축, 배포 및 서비스하기위한 툴킷입니다.
  25. Routellm : LLM 라우터 서빙 및 평가를위한 프레임 워크 - 품질을 손상시키지 않고 LLM 비용을 절약하십시오!
  26. 최소 : 장거리 텍스트 LLMS의 추론 속도를 높이려고, 적절하고 동적 스파 스가주의를 계산하여 A100에서 미리 채우기 위해 추론 대기 시간을 최대 10 배까지 줄입니다. 정확도를 유지합니다.
  27. MEM0 : 개인화 된 AI의 메모리 레이어.
  28. SGLANG : SGLANG은 큰 언어 모델과 비전 언어 모델을위한 또 다른 빠른 서빙 프레임 워크입니다.
  29. Airllm : Airllm은 추론 메모리 사용량을 최적화하여 70B 대형 언어 모델이 양자화, 증류 및 가지 치기없이 단일 4GB GPU 카드에서 추론을 실행할 수 있으며 8GB VRAM에서 405B LLAMA3.1을 실행할 수 있습니다.
  30. LLMHUB : LLMHUB는 다양한 언어 모델 (LLM)과의 운영 및 상호 작용을 간소화하도록 설계된 경량 관리 플랫폼입니다.
  31. Yuanchat
  32. Litellm : OpenAi 형식 [Bedrock, Huggingface, Vertexai, Togetherai, Azure, Openai, Groq 등을 사용하여 모든 LLM API를 호출하십시오.
  33. GUIDELLM : GUIDELLM은 LLMS (Large Language Model)의 배포를 평가하고 최적화하기위한 강력한 도구입니다.
  34. LLM-ENGINES : 오픈 소스 모델 (VLLM, SGLANG, TOTHER) 및 상용 모델 (OpenAI, Mistral, Claude)을 포함한 대형 언어 모델 (LLM)을위한 통합 추론 엔진.
  35. OARC : OLLAMA_AGENT_ROLL_CAGE (OARC)는 Coqui-TTS Speech Models, Keras Classes, Llava Vision, Whisper Recognition 등을 가진 Ollama LLM을 융합시키는 로컬 Python 에이전트입니다.
  36. G1 : Groq에서 llama-3.1 70b를 사용하여 O1과 같은 추론 체인을 생성합니다.
  37. MemoryScope : MemoryScope는 LLM 챗봇에 강력하고 유연한 장기 메모리 기능을 제공하여 그러한 능력을 구축하기위한 프레임 워크를 제공합니다.
  38. Openllm : 클라우드의 OpenAI 호환 API 엔드 포인트로 Llama 3.1, Gemma와 같은 오픈 소스 LLM을 실행하십시오.
  39. Infinity : LLM 애플리케이션을 위해 구축 된 AI-Native 데이터베이스는 밀집된 삽입, 스파 스 삽입, 텐서 및 전체 텍스트를 엄청나게 빠르게 검색합니다.
  40. OPTILLM : LLM의 정확성과 성능을 향상시킬 수있는 여러 최첨단 기술을 구현하는 OpenAI API 호환 최적화 된 추론 프록시.
  41. LLAMA 박스 : LLAMA.CPP를 기반으로 한 LLM 추론 서버 구현.
↥ 위로 돌아갑니다

평가

  1. LM-Evaluation-Harness : 언어 모델의 소수의 평가를위한 프레임 워크.
  2. OpenCompass : OpenCompass는 100 개 이상의 데이터 세트를 통해 광범위한 모델 (LLAMA3, MISTRAL, InternLM2, GPT-4, LLAMA2, Qwen, GLM, Claude 등)을 지원하는 LLM 평가 플랫폼입니다.
  3. LLM-Comparator : LLM 비교기는 LLM 응답을 나란히 평가하고 분석하기위한 대화식 데이터 시각화 도구입니다.
  4. Evalscope
  5. 직조 : LLM 애플리케이션을 추적하고 평가하기위한 경량 툴킷.
  6. Mixeval : LLM 벤치 마크 혼합물에서 군중의 지혜를 파생시킵니다.
  7. 평가 가이드 북 : LLM이 특정 작업에서 잘 작동하는지 궁금한 적이 있다면이 안내서는 귀하를위한 것입니다!
  8. Ollama 벤치 마크 : Ollama (Local LLM)를 통한 처리량을위한 LLM 벤치 마크.
  9. VLMEVALKIT : LVLM (Large Vision-Language Models)의 오픈 소스 평가 툴킷, 지원 ~ 100 VLMS, 40+ 벤치 마크.

LLM API 服务平台:

  1. 그로크
  2. 실리콘 기반 흐름
  3. 화산 엔진
  4. Wen Xin Qianfan
  5. 대시 스코프
↥ 위로 돌아갑니다

사용을 경험하십시오

  1. LMSYS Chatbot Arena : 야생에서 LLM을 벤치마킹합니다
  2. Compassarena Sinan Mockup Arena
  3. 랭야 뱅
  4. 포옹 페이스 공간
  5. Wisemodel 공간
  6. 포
  7. 린 형제의 큰 모델 와일드 목록
  8. 오픈 루터
  9. anychat
↥ 위로 돌아갑니다

지식 기반 래그

  1. Nothinglm : 전체 걸레 및 AI 에이전트 기능이있는 모든 LLM 용 All-In-One AI 앱.
  2. MAXKB : LLM 대형 언어 모델을 기반으로 한 지식 기반 질문 및 답변 시스템. 상자 밖에서, 타사 비즈니스 시스템에 빠르게 포함 된 지원
  3. Ragflow : 깊은 문서 이해를 기반으로 한 오픈 소스 헝겊 (검색 세대 생성) 엔진.
  4. DIFY : Open-Source LLM App Development 플랫폼은 AI 워크 플로, RAG 파이프 라인, 모델 관리, 관찰 기능 등을 결합하여 프로토 타입에서 프로덕션으로 빠르게 이동할 수 있습니다.
  5. FASTGPT : LLM을 기반으로 구축 된 지식 기반 플랫폼은 기본 데이터 처리 및 모델 호출 기능을 제공하며 흐름 시각화를 통해 워크 플로 오케스트레이션을 허용합니다.
  6. Langchain-chatchat : Langchain 및 Chatglm과 같은 다양한 대형 언어 모델을 기반으로 한 지역 지식 기반 질문 및 답변
  7. Qanything : 무엇이든 기반한 질문과 답변.
  8. Quivr : 개인 생산성 어시스턴트 (RAG) hat hat hat hat with hat (pdf, csv,…
  9. RAG-GPT : LLM 및 RAG 기술을 활용하는 RAG-GPT는 사용자 가중화 된 지식 기반에서 배우고 광범위한 쿼리에 대한 상황에 맞는 답변을 제공하여 빠르고 정확한 정보 검색을 보장합니다.
  10. Verba : Weaviate가 구동하는 검색 증강 생성 (RAG) 챗봇.
  11. FlashRag : 효율적인 헝겊 연구를위한 파이썬 툴킷.
  12. 그래프 크래그 : 모듈 식 그래프 기반 검색 방지 생성 (RAG) 시스템.
  13. Lightrag : Lightrag는 Retriever-Agent-Generator 파이프 라인을 구축하고 최적화하는 개발자를 도와줍니다.
  14. Graphrag-Ollama-UI : Gradio UI 및 추가 기능이있는 Ollama를 사용하는 그래프 래그.
  15. Nano-Graphrag : 간단하고 쉬운 그래프 크래그 구현.
  16. RAG 기술 :이 저장소는 RAG (Resprieved-Augmented Generation) 시스템을위한 다양한 고급 기술을 보여줍니다. RAG 시스템은 정보 검색을 생성 모델과 결합하여 정확하고 상황에 맞는 응답을 제공합니다.
  17. RAGAS : 검색 증강 생성 (RAG) 파이프 라인을위한 평가 프레임 워크.
  18. KOTAEMON : 최종 사용자 및 개발자와 함께 구축 된 오픈 소스 클리닝 및 사용자 정의 RAG UI.
  19. RAGAPP : 모든 기업에서 에이전트 래그를 사용하는 가장 쉬운 방법입니다.
  20. TURBORAG : 덩어리 텍스트를 위해 미리 계산 된 KV 캐시로 검색 방지 생성을 가속화합니다.
  21. Lightrag : 간단하고 빠른 검색 세대.
  22. Ten : 세계 최초의 진정한 실시간 멀티 모달 AI 에이전트 프레임 워크 인 Next-Gen AI-Agent 프레임 워크.
  23. Autorag : 데이터 용 광학 래그 파이프 라인을 자동으로 찾을 수있는 Rag Automl 도구.
  24. KAG : KAG는 OpenSPG 엔진을 기반으로 한 지식 강화 세대 프레임 워크로, 지식이 강화 된 엄격한 의사 결정 및 정보 검색 지식 서비스를 구축하는 데 사용됩니다.
  25. 빠른 그래프 레이그 : 사용 사례, 데이터 및 쿼리에 지능적으로 적응하는 래그.
  26. 작은 그래프 그라그
  27. DB-GPT 그래프 : DB-GPT 그래프는 트리플 레드 기반 지식 그래프와 문서 구조 그래프를 모두 통합하면서 커뮤니티 및 문서 검색 메커니즘을 활용하여 RAG 기능을 향상시켜 Microsoft의 그래프에 필요한 토큰의 50% 만 소비합니다.
  28. Chonkie : 가볍고 번개가 빠르며 텍스트를 조용히 할 준비가 된 말도 안되는 헝겊 청킹 라이브러리.
↥ 위로 돌아갑니다

자치령 대표

  1. Autogen : Autogen은 작업을 해결하기 위해 서로 대화 할 수있는 여러 에이전트를 사용하여 LLM 응용 프로그램을 개발할 수있는 프레임 워크입니다
  2. Crewai : Crewai는 롤 플레잉, 자율적 인 AI 요원을 조정하는 프레임 워크를 제공하여 에이전트가 완벽하게 협력하여 복잡한 작업을 다루도록합니다.
  3. 코즈
  4. AgentGpt : 브라우저에서 자율 AI 에이전트를 조립, 구성 및 배포합니다.
  5. Xagent : 복잡한 작업 해결을위한 자율 LLM 에이전트.
  6. MobileAgent : 강력한 모바일 장치 운영 보조 가족.
  7. LAGENT : LLM 기반 에이전트 구축을위한 경량 프레임 워크.
  8. QWEN-AGENT : QWEN2에 구축 된 에이전트 프레임 워크 및 응용 프로그램, 기능 호출, 코드 통역사, 래그 및 크롬 확장 기능이 포함됩니다.
  9. Linkai : 원 스톱 AI 지능형 건물 플랫폼
  10. Baidu AppBuilder
  11. AgentUniverse : Agentuniverse는 LLM 다중 에이전트 프레임 워크로 개발자는 커뮤니티를 통해 다중 에이전트 애플리케이션을 쉽게 구축 할 수 있습니다.
  12. Lazyllm : 코드가 낮은 다중 에이전트 대규모 응용 프로그램 구축을위한 개발 도구
  13. AgentScope : LLM에 힘 입힌 다중 에이전트 애플리케이션을 더 쉽게 구축하기 시작합니다.
  14. MOA : MOA (Mixture of Agents)는 여러 LLM의 집단적 강점을 활용하여 성능을 향상시켜 최첨단 결과를 달성하는 새로운 접근법입니다.
  15. AI 에이전트 응용 프로그램 개발 프레임 워크.
  16. Omagent : 복잡한 작업을 해결하기위한 멀티 모달 에이전트 프레임 워크.
  17. Tribe : 다중 에이전트 팀을 신속하게 구축하고 조정하는 코드 도구가 없습니다.
  18. CAMEL : 최초의 LLM 다중 에이전트 프레임 워크 및 에이전트의 스케일링 법칙을 찾는 데 전념하는 오픈 소스 커뮤니티.
  19. Praisonai : Praisonai Application은 Autogen 및 Crewai 또는 유사한 프레임 워크를 Multi-Agent LLM 시스템을 구축하고 관리하기위한 저 코드 솔루션으로 결합하여 단순성, 사용자 정의 및 효율적인 인간 에이전트 협력에 중점을 둡니다.
  20. IOA : 협업 AI 에이전트를위한 오픈 소스 프레임 워크, 다양성, 분산 에이전트가 인터넷과 같은 연결을 통해 복잡한 작업을 팀으로 구성하고 해결할 수 있도록합니다.
  21. Llama-Agentic-System : Llama Stack API의 에이전트 구성 요소.
  22. 에이전트 제로 : 제로 제로는 사전 정의 된 에이전트 프레임 워크가 아닙니다.
  23. 에이전트 : 데이터 중심의 자체 진화 자율 언어 에이전트를위한 오픈 소스 프레임 워크.
  24. AgentScope : LLM에 힘 입힌 다중 에이전트 애플리케이션을 더 쉽게 구축하기 시작합니다.
  25. Fastagency : 다중 에이전트 워크 플로우를 생산에 가져 오는 가장 빠른 방법.
  26. Swarm : OpenAI Solutions 팀이 관리하는 프레임 워크.
  27. Agent-S : 인간처럼 컴퓨터를 사용하는 오픈 에이전트 프레임 워크.
↥ 위로 돌아갑니다

찾다

  1. OpenSearch GPT : SearchGpt / Perplexity Clone이지만 귀하를 위해 개인화되었습니다.
  2. MindSearch : 웹 검색 엔진의 LLM 기반 다중 에이전트 프레임 워크 (Perplexity.ai Pro 및 SearchGpt).
  3. Nanoperplexityai : perplexity.ai의 가장 간단한 오픈 소스 구현.
  4. 호기심 : 당혹감과 같은 사용자 경험을 구축하십시오.
↥ 위로 돌아갑니다

서적

  1. 대규모 언어 모델 : 이론에서 실천까지
  2. "큰 언어 모델"
  3. "Hand-on Mockup Dive in LLMS"
  4. "핸드 온 AI 에이전트"
  5. 큰 언어 모델 구축 (처음부터)
  6. "멀티 모달 모형"
  7. 생성 AI 핸드북 : 학습 리소스를위한 로드맵
  8. 딥 러닝 이해
  9. "Transformers & LLM에 대해 배우는 그림"
  10. 생산을위한 LLM 구축 : 프롬프트, 미세 조정 및 헝겊으로 LLM 능력 및 신뢰성 향상
  11. "대형 언어 모델에 대한 실용 가이드 : 응용 프로그램 실습 및 시나리오 구현"
  12. "실습 대형 언어 모델"
  13. 자연어 처리 : 큰 모델 이론 및 실습
  14. "직접 학습 강화 학습"
  15. "개발자를위한 LLM 소개"
  16. "기본 모델"
↥ 위로 돌아갑니다

강의

LLM 리소스 허브

  1. 스탠포드 CS224N : 딥 러닝을 통한 자연어 가공
  2. NG : 모든 사람을위한 생성 AI
  3. NG : LLM 시리즈 코스
  4. ACL 2023 튜토리얼 : 검색 기반 언어 모델 및 응용 프로그램
  5. LLM-Course : 로드맵과 콜랩 노트북으로 대형 언어 모델 (LLM)에 들어가는 과정.
  6. Microsoft : 초보자를위한 생성 AI
  7. 마이크로 소프트 : GPT 주
  8. 포옹 페이스 NLP 코스
  9. Tsinghua nlp liu zhiyuan 팀 큰 모델 오픈 클래스
  10. 스탠포드 CS25 : Transformers United V4
  11. 스탠포드 CS324 : 대형 언어 모델
  12. Princeton Cos 597G (2022 년 가을) : 큰 언어 모델 이해
  13. Johns Hopkins CS 601.471/671 NLP : 자체 감독 모델
  14. Li Hongyi Genai 코스
  15. OpenAi-Cookbook : OpenAI API 사용을위한 예제 및 지침.
  16. LLM에 대한 손잡이 : LLM, LLMOPS 및 Vector DBS에 대해 실시간 재무 고문 LLM 시스템을 설계, 교육 및 배포하여 무료로 배우십시오.
  17. 워털루 대학교 CS 886 : 최근 기초 모델의 고급 고급
  18. Mistral : Mistral을 시작합니다
  19. 스탠포드 CS25 : Transformers United V4
  20. Coursera : Chatgpt 응용 프로그램 프롬프트 프로젝트
  21. Langgpt : 모든 사람이 신속한 전문가가되도록 힘을 실어주십시오!
  22. Mistralai-Cookbook
  23. 생성 AI 2024 스프링 소개
  24. Nanogpt : Nanogpt를 처음부터 구축 할 때 Nanogpt : Video+Code 레슨을 구축하십시오.
  25. LLM101N : 스토리 텔러를 만들자.
  26. 헝겊에 대한 지식 그래프
  27. 처음부터 LLM (Datawhale 버전)
  28. 오픈 라그
  29. Agi로가는 길
  30. Andrej Karpathy- 신경 네트워크 : 영웅에 대한 제로
  31. 변압기의 대화식 시각화
  32. Andysingal/llm 코스
  33. LM 클래스
  34. Google Advanced : 개발자 학습 경로를위한 생성 AI
  35. 인류학 : 신속한 엔지니어링 대화 형 튜토리얼
  36. llmsbook
  37. 큰 언어 모델 에이전트
  38. Cohere LLM University
  39. LLM 및 변압기
  40. SMOL VISION : 축소, 최적화, 커스터마이징 최첨단 비전 모델을위한 레시피.
  41. 멀티 모달 래그 : 비디오와 채팅
  42. LLMS 인터뷰 노트
  43. RAG ++ : POC에서 프로덕션까지 : 고급 래그 코스.
  44. 웨이트 및 바이어스 AI 아카데미 : Finetuning, LLMS, 구조화 된 출력 및 더 많은 LLM 코스.
  45. 프롬프트 엔지니어링 및 AI 자습서 및 리소스
  46. 처음부터 래그 배우기 - Langchain 엔지니어의 Python AI 튜토리얼
  47. LLM 평가 : 완전한 과정
↥ 위로 돌아갑니다

지도 시간

  1. 큰 모델 응용 프로그램 개발을 배우십시오
  2. AI 개발자 채널
  3. B 스테이션 : Wulidun 티 하우스
  4. B 스테이션 : Cheney Muyu
  5. YTB ​​: 언제든지 AI
  6. B 스테이션 : Qi Nini
  7. 프롬프트 엔지니어링 가이드
  8. YTB ​​: AI 슈퍼 변태
  9. B 스테이션 : TechBeat 인공 지능 커뮤니티
  10. B 스테이션 : Huang Yihe
  11. B 스테이션 : 딥 러닝 자연어 처리
  12. LLM 시각화
  13. Zhihu : Raw Stone Human
  14. B 스테이션 : Xiao Heihei는 AI에 대해 이야기합니다
  15. 스테이션 B : 차량 엔지니어는 벽을 향합니다
  16. B 스테이션 : AI 베테랑 Wenzhe
  17. Colab 노트북이있는 대형 언어 모델 (LLM)
  18. YTB ​​: IBM 기술
  19. YTB ​​: 독서 용지 그룹을 통합하십시오
  20. 칩 huyen
  21. 얼마나 많은 vram
  22. 블로그 : 과학 공간 (Su Jianlin)
  23. YTB ​​: 성은 정
  24. 블로그 : Tejaswi Kashyap
  25. 블로그 : Xiaosheng의 블로그
  26. Zhihu : YBQ
  27. W & B 기사
  28. Huggingface 블로그
  29. 블로그 : Gbyai
  30. 블로그 : Mlabonne
  31. LLM- 액션
  32. 블로그 : Lil'Log (Oponai)
↥ 위로 돌아갑니다

종이

메모

?

  1. 헤르메스 -3- 기술 보고서
  2. 라마 3 모델의 무리
  3. Qwen 기술 보고서
  4. QWEN2 기술 보고서
  5. QWEN2-VL 기술 보고서
  6. DeepSeek LLM : 장기주의와 함께 오픈 소스 언어 모델을 스케일링합니다
  7. Deepseek-V2 : 강력하고 경제적이며 효율적인 혼합 언어 모델
  8. Baichuan 2 : 열린 대규모 언어 모델
  9. DataComp-LM : 언어 모델에 대한 차세대 교육 세트를 찾아
  10. Olmo : 언어 모델의 과학을 가속화합니다
  11. Map-Neo : 유능하고 투명한 이중 언어 대형 언어 모델 시리즈
  12. 중국의 작은 LLM : 중국 중심의 큰 언어 모델을 사전으로 전환합니다
  13. PHI-3 기술 보고서 ​​: 휴대 전화에서 현지에서 유능한 언어 모델
  14. Jamba-1.5 : 하이브리드 변압기-엄마 모델
  15. Jamba : 하이브리드 변압기-엄마 언어 모델
  16. 교과서 만 있으면됩니다
  17. 데이터의 힘을 발휘하여 쓰나미 : 언어 모델 data 의 교육 튜닝을위한 데이터 평가 및 선택에 대한 포괄적 인 설문 조사
  18. Olmoe : 열린 혼합 언어 모델
  19. 모델 병합 용지
  20. Baichuan-Omni 기술 보고서
  21. 1.5-Pints ​​기술 보고서 ​​: 몇 달이 아닌 며칠 내의 사전 여지-언어 모델은 품질 데이터에 번성합니다.
  22. Baichuan Alignment 기술 보고서
  23. Hunyuan-Large : Tencent의 520 억 활성화 매개 변수를 가진 오픈 소스 MOE 모델
  24. Molmo 및 Pixmo : 최첨단 멀티 모드 모델에 대한 개방형 웨이트 및 오픈 데이터
  25. Tülu 3 : 개방 언어 모델 사후 훈련에서 프론티어를 밀어 넣습니다
↥ 위로 돌아갑니다

팁

  1. LLMS로 건축 한 해에서 우리가 배운 것 (1 부)
  2. LLMS로 건축 한 해에서 우리가 배운 것 (파트 II)
  3. LLMS (Part III)로 건축 한 해에서 배운 것 : 전략
  4. 큰 언어 모델 (LLM)으로 쉽게 시작합니다.
  5. 텍스트 분류를위한 LLMS : 감독 학습 안내서
  6. 감독되지 않은 텍스트 분류 : 자연 언어를 LLM으로 분류합니다
  7. LLMS를 사용한 텍스트 분류 : 최상의 방법의 라운드 업
  8. LLM 가격
  9. 추상화로 LLM을 막습니다
  10. 작은 LLM 우주
  11. Zero-Chatgpt
  12. Zero-Qwen-VL
  13. FINETUNE-QWEN2-VL
  14. MPP-llava
  15. build_minillm_from_scratch
  16. 작은 LLM
  17. 최소화 : 26m에 불과한 작은 매개 변수 GPT를 훈련 시켰으며 추론 훈련을 유추하려면 최소 2G 그래픽 카드가 필요합니다.
  18. LLM 여행 : 대규모 모델과 관련된 다양한 기술, 원칙 및 응용 프로그램의 심층적 인 이해, 토론 및 구현 전용
  19. 지식 증류 : LLM을 합성 데이터로 가르치십시오
  20. 1 부 : 큰 언어 모델을 조정하는 방법
  21. 2 부 : 미세 조정하거나 미세 조정하지 않습니다
  22. 3 부 : 미세 조정 방법 : 효과적인 데이터 세트에 중점을 둡니다
  23. Reader-LM : HTML 청소 및 변환을위한 작은 언어 모델
  24. 1 년 동안 LLMS 애플리케이션 건설 경험
  25. LLM 교육-프레임
  26. Pytorch-Llama : Llama 2는 Pytorch에서 처음부터 구현되었습니다.
  27. TRL을 사용한 비전 언어 모델에 대한 선호도 최적화 【지원 모델】
  28. sfttrainer를 사용한 미세 조정 시각적 언어 모델 【Docs】
  29. 전문가 혼합에 대한 시각적 가이드 (MOE)
  30. Chatgpt와 같은 대형 언어 모델에서 역할 플레이
  31. 분산 교육 안내서 : 배포 된 Pytorch 교육 코드 작성 방법에 대한 모범 사례 및 안내서.
  32. 채팅 템플릿
  33. 상위 20 개 이상의 헝겊 인터뷰 질문
↥ 위로 돌아갑니다

이 프로젝트가 도움이되면 다음과 같이 인용하십시오. 

 @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} } ,
}
확장하다
추가 정보
관련 애플리케이션
추천
관련 정보 전체