awesome LLM resourses

ทรัพยากรรูปแบบภาษาขนาดใหญ่ที่ดีที่สุดของโลกได้รับการปรับปรุงอย่างต่อเนื่อง

ตรวจสอบข้อมูลเพิ่มเติม

[อ่านออนไลน์]

สารบัญ

• ข้อมูล
• การปรับแต่ง
• การอนุมาน
• การประเมิน
• สัมผัสประสบการณ์การใช้งาน
• ความรู้พื้นฐานผ้าขี้ริ้ว
• ตัวแทน
• ค้นหา
• หนังสือ
• คอร์ส
• การสอน
• กระดาษ
• เคล็ดลับ

ข้อมูล

บันทึก

นี่คือ数据ที่มีชื่อ แต่ไม่มีชุดข้อมูลเฉพาะที่นี่ แต่มีวิธีการประมวลผลการเก็บข้อมูลขนาดใหญ่

เราเชื่อเสมอว่าเป็นการดีกว่าที่จะสอนผู้คนถึงวิธีการตกปลามากกว่าที่จะสอนผู้คนถึงวิธีการตกปลา

1. AOTOLABEL: LABEL, CLEAN และ Enrich Text DataSTECT ด้วย LLMS
2. Labelllm: แพลตฟอร์มคำอธิบายประกอบข้อมูลโอเพ่นซอร์ส
3. Data-Juicer: ระบบประมวลผลข้อมูลแบบครบวงจรเพื่อให้ข้อมูลมีคุณภาพสูงขึ้นฉ่ำและย่อยได้มากขึ้นสำหรับ LLM!
4. Omniparser: ตัวแยกวิเคราะห์การสตรีม Golang ETL ดั้งเดิมและแปลงไลบรารีสำหรับ CSV, JSON, XML, EDI, ข้อความ ฯลฯ
5. Mineru: Mineru เป็นเครื่องมือสกัดข้อมูลแบบเปิดซอร์ส, โอเพ่นซอร์ส, โอเพ่นซอร์ส, คุณภาพสูง, รองรับการสกัด PDF/เว็บเพจ/e-book
6. PDF-Extract-Kit: ชุดเครื่องมือที่ครอบคลุมสำหรับการสกัดเนื้อหา PDF คุณภาพสูง
7. Parsera: ห้องสมุดที่มีน้ำหนักเบาสำหรับการขูดเว็บไซต์ด้วย LLMS
8. Sparrow: Sparrow เป็นโซลูชันโอเพ่นซอร์สที่เป็นนวัตกรรมสำหรับการสกัดข้อมูลและการประมวลผลที่มีประสิทธิภาพจากเอกสารและรูปภาพต่างๆ
9. DOCLING: แปลง PDF เป็น JSON หรือ Markdown ได้อย่างง่ายดายและความเร็ว
10. Got-coR2.0: โมเดล OCR
11. LLM decontaminator: การทบทวนเกณฑ์มาตรฐานและการปนเปื้อนสำหรับแบบจำลองภาษาที่มีตัวอย่าง rephrased
12. DataTrove: DataTrove เป็นไลบรารีในการประมวลผลตัวกรองและข้อมูลซ้ำซ้อนในระดับที่มีขนาดใหญ่มาก
13. LLM-Swarm: สร้างชุดข้อมูลสังเคราะห์ขนาดใหญ่เช่น Cosmopedia
14. Distilabel: Distilabel เป็นกรอบสำหรับข้อมูลสังเคราะห์และข้อเสนอแนะ AI สำหรับวิศวกรที่ต้องการท่อส่งที่รวดเร็วเชื่อถือได้และปรับขนาดได้ตามเอกสารการวิจัยที่ผ่านการตรวจสอบแล้ว
15. Common-Crawl-Pipeline-Creator: ผู้สร้างท่อรวบรวมข้อมูลทั่วไป
16. Tabled: ตรวจจับและแยกตารางไปยัง Markdown และ CSV
17. Zerox: Zero Shot PDF OCR พร้อม GPT-4O-MINI
18. Doclayout-YOLO: เพิ่มการวิเคราะห์เค้าโครงเอกสารผ่านข้อมูลสังเคราะห์ที่หลากหลายและการรับรู้แบบปรับตัวทั่วโลก
19. Tensorzero: ทำให้ LLMS ปรับปรุงผ่านประสบการณ์
20. พรอมต์ไรท์: สร้างข้อมูลสังเคราะห์ขนาดใหญ่โดยใช้ LLM ในท้องถิ่น
21. PDF-Extract-API: การสกัดเอกสาร (PDF) และการแยกวิเคราะห์ API โดยใช้โมเดลที่สนับสนุน OCRS + Ollama ที่ทันสมัย
22. PDF2HTMLEX: แปลง PDF เป็น HTML โดยไม่สูญเสียข้อความหรือรูปแบบ
23. สกัด: การสกัดข้อมูลที่ไม่มีโครงสร้างอย่างรวดเร็วและมีประสิทธิภาพ

↥กลับไปด้านบน

การปรับแต่ง

1. LLAMA-FACTORY: รวมการปรับแต่งที่มีประสิทธิภาพ 100+ LLMS
2. unsloth: 2-5x เร็วขึ้น 80% หน่วยความจำน้อยกว่า llm finenetning
3. TRL: การเรียนรู้การเสริมแรงของหม้อแปลง
4. หิ่งห้อย: หิ่งห้อย: เครื่องมือฝึกอบรมขนาดใหญ่ที่สนับสนุนการฝึกอบรมรุ่นใหญ่หลายสิบรุ่น
5. XTUNER: ชุดเครื่องมือที่มีประสิทธิภาพยืดหยุ่นและเต็มรูปแบบสำหรับการปรับแต่งรุ่นใหญ่
6. TORCHTUNE: ห้องสมุด Native-Pytorch สำหรับการปรับแต่ง LLM
7. Swift: ใช้ PEFT หรือพารามิเตอร์เต็มรูปแบบเพื่อ Finetune 200+ LLMS หรือ 15+ Mllms
8. Autotrain: วิธีใหม่ในการฝึกอบรมประเมินและปรับใช้รูปแบบการเรียนรู้ของเครื่องจักรที่ทันสมัยโดยอัตโนมัติ
9. OpenRLHF: กรอบ RLHF ที่ใช้งานง่ายปรับขนาดได้และสมรรถนะสูง (รองรับ 70B+ การปรับแต่งเต็มรูปแบบ & LORA & MIXTRAL & KTO)
10. LUDWIG: เฟรมเวิร์กรหัสต่ำสำหรับการสร้าง LLM ที่กำหนดเองเครือข่ายประสาทและโมเดล AI อื่น ๆ
11. MISTRAL-FINETUNE: codebase น้ำหนักเบาที่ช่วยให้หน่วยความจำมีประสิทธิภาพและประสิทธิภาพการทำงานของโมเดลของ Mistral
12. Aikit: ปรับแต่งสร้างและปรับใช้ LLMS โอเพนซอร์ซได้อย่างง่ายดาย!
13. H2O-llmstudio: H2O LLM Studio-เฟรมเวิร์กและ GUI ที่ไม่มีรหัสสำหรับการปรับแต่ง LLMS
14. LITGPT: pretrain, finetune, ปรับใช้ 20+ LLMs บนข้อมูลของคุณเอง
15. LLMBox: ห้องสมุดที่ครอบคลุมสำหรับการใช้งาน LLMs รวมถึงการฝึกอบรมแบบครบวงจรและการประเมินแบบจำลองที่ครอบคลุม
16. Paddlenlp: ไลบรารี NLP และ LLM ที่ใช้งานง่ายและมีประสิทธิภาพ
17. Workbench-llamafactory: นี่เป็นโครงการตัวอย่าง Nvidia AI Workbench ที่แสดงให้เห็นถึงเวิร์กโฟลว์การพัฒนาแบบจำลองแบบ end-to-end โดยใช้ LlamaFactory
18. OpenRLHF: เฟรมเวิร์ก RLHF ที่ใช้งานได้ง่ายปรับขนาดได้
19. Tinyllava Factory: กรอบของโมเดลขนาดใหญ่หลายรูปแบบขนาดเล็ก
20. LLM-Foundry: รหัสการฝึกอบรม LLM สำหรับโมเดลฐานข้อมูล Databricks
21. LMMS-Finetune: codebase unified สำหรับ finetuning (เต็ม, LORA) รุ่นใหญ่หลายรูปแบบรองรับ LLAVA-1.5, QWEN-VL, LLAVA-Interleave, LLAVA-NEXT-VIDEO, PhI3-V ฯลฯ
22. Simplifine: simplifine ช่วยให้คุณเรียกใช้ LLM finenetuning ด้วยรหัสเพียงบรรทัดเดียวโดยใช้ชุดข้อมูลหรือรุ่นกอดใด ๆ
23. Transformer Lab: แอปพลิเคชันโอเพนซอร์สสำหรับวิศวกรรม LLM ขั้นสูง: โต้ตอบ, รถไฟ, ปรับแต่งและประเมินรูปแบบภาษาขนาดใหญ่บนคอมพิวเตอร์ของคุณเอง
24. Liger-Kernel: เคอร์เนลไทรทันที่มีประสิทธิภาพสำหรับการฝึกอบรม LLM
25. Chatlearn: กรอบการฝึกอบรมที่ยืดหยุ่นและมีประสิทธิภาพสำหรับการจัดตำแหน่งขนาดใหญ่
26. nanotron: การฝึกอบรมภาษาขนาดใหญ่แบบมินิมัลลิสต์แบบจำลอง 3D-parallelism
27. การปรับแต่งพร็อกซี: การปรับโมเดลภาษาโดยพร็อกซี
28. การจัดตำแหน่ง LLM ที่มีประสิทธิภาพ: ชุดเครื่องมือการจัดตำแหน่ง LLM ที่มีประสิทธิภาพ
29. Autotrain-Advanced
30. Meta Lingua: รหัสฐานแบบลีนที่มีประสิทธิภาพและง่ายต่อการแฮ็กเพื่อการวิจัย LLMS
31. Vision-LLM Alignemnt: ที่เก็บนี้มีรหัสสำหรับ SFT, RLHF และ DPO ออกแบบมาสำหรับ LLM ที่ใช้การมองเห็นรวมถึงรุ่น LLAVA และรุ่น LLAMA-3.2-Vision
32. Finetune-qwen2-VL: เริ่มต้นอย่างรวดเร็วสำหรับการปรับแต่งหรือดำเนินการต่อรุ่นก่อนรถไฟ QWEN2-VL

↥กลับไปด้านบน

การอนุมาน

1. Ollama: ลุกขึ้นและทำงานกับ Llama 3, Mistral, Gemma และโมเดลภาษาขนาดใหญ่อื่น ๆ
2. เปิด WebUI: WebUI ที่ใช้งานง่ายสำหรับ LLMS (ชื่อเดิมคือ Ollama WebUI)
3. การสร้างข้อความ Webui: A GRATIO Web UI สำหรับโมเดลภาษาขนาดใหญ่
4. Xinference: ห้องสมุดที่ทรงพลังและหลากหลายออกแบบมาเพื่อให้บริการภาษาการรู้จำเสียงพูดและโมเดลหลายรูปแบบ
5. Langchain: สร้างแอปพลิเคชันการให้เหตุผลตามบริบท
6. Llamaidex: กรอบข้อมูลสำหรับแอปพลิเคชัน LLM ของคุณ
7. Lobe-Chat: กรอบการแชทแบบโอเพ่นซอร์ส, การออกแบบที่ทันสมัย ​​LLMS/AI แชท
8. Tensorrt-LLM: Tensorrt-LLM ให้ผู้ใช้ Python API ที่ใช้งานง่ายเพื่อกำหนดรูปแบบภาษาขนาดใหญ่ (LLMs) และสร้างเครื่องยนต์ tensorrt ที่มีการปรับให้เหมาะสมที่สุดเพื่อดำเนินการอย่างมีประสิทธิภาพบน NVIDIA GPU
9. VLLM: การอนุมานที่มีประสิทธิภาพสูงและมีประสิทธิภาพและเครื่องยนต์ที่ให้บริการสำหรับ LLMS
10. LAMACHAT: แชทกับนางแบบ Llama ที่คุณชื่นชอบในแอพ MacOS พื้นเมือง
11. Nvidia Chatrtx: Chatrtx เป็นแอพสาธิตที่ให้คุณปรับแต่งรูปแบบภาษาขนาดใหญ่ GPT (LLM) ที่เชื่อมต่อกับเนื้อหาของคุณเอง - DOCs, Notes หรือข้อมูลอื่น ๆ
12. LM Studio: ค้นพบดาวน์โหลดและเรียกใช้ LLMS ในท้องถิ่น
13. Chat-With-MLX: แชทกับข้อมูลของคุณบน Apple Silicon โดยใช้ MLX Framework
14. การกำหนดราคา LLM: ค้นหารูปแบบภาษาขนาดใหญ่ที่สมบูรณ์แบบ (LLM) API อย่างรวดเร็วสำหรับงบประมาณของคุณ! ใช้เครื่องมือฟรีของเราสำหรับการเข้าถึงราคาล่าสุดจากผู้ให้บริการชั้นนำ
15. Open Interpreter: อินเทอร์เฟซภาษาธรรมชาติสำหรับคอมพิวเตอร์
16. แชท-อลลา: แชทบอทโอเพ่นซอร์สที่ใช้ LLMS
17. chat-ui: โอเพนซอร์สรหัสเบสที่ให้พลังแอพ Huggingchat
18. MEMGPT: สร้างตัวแทน LLM ด้วยหน่วยความจำระยะยาวและเครื่องมือที่กำหนดเอง
19. KOBOLDCPP: วิธีเดียวที่ง่ายในการเรียกใช้รุ่น GGML และ GGUF ที่หลากหลายด้วย UI ของ Koboldai
20. LLMFARM: LLAMA และโมเดลภาษาขนาดใหญ่อื่น ๆ บน iOS และ MacOS ออฟไลน์โดยใช้ไลบรารี GGML
21. Enchanted: Enchanted เป็นแอพ iOS และ MacOS สำหรับการแชทกับโมเดลภาษาที่โฮสต์ส่วนตัวเช่น Llama2, Mistral หรือ Vicuna โดยใช้ Ollama
22. Flowise: Drag & Drop UI เพื่อสร้างโฟลว์ LLM ที่กำหนดเองของคุณ
23. ม.ค. : ม.ค. เป็นทางเลือกโอเพ่นซอร์สสำหรับ CHATGPT ที่ทำงานออฟไลน์ 100% บนคอมพิวเตอร์ของคุณ
24. LMDeploy: LMDeploy เป็นชุดเครื่องมือสำหรับการบีบอัดการปรับใช้และการให้บริการ LLMS
25. Routellm: กรอบการทำงานสำหรับการให้บริการและประเมินเราเตอร์ LLM - ประหยัดค่าใช้จ่าย LLM โดยไม่ลดระดับคุณภาพ!
26. Minerferes: กำลังจะเพิ่มความเร็วในการอนุมาน LLMS ของ LLMS ที่ยาวนานและมีพลวัตคำนวณความสนใจซึ่งจะช่วยลดเวลาแฝงการอนุมานได้สูงสุด 10 เท่าสำหรับการเติมเต็ม A100 ในขณะที่ยังคงความแม่นยำ
27. MEM0: เลเยอร์หน่วยความจำสำหรับ AI ส่วนบุคคล
28. SGLANG: SGLANG เป็นอีกหนึ่งกรอบการให้บริการที่รวดเร็วสำหรับแบบจำลองภาษาขนาดใหญ่และแบบจำลองภาษาวิสัยทัศน์
29. Airllm: Airllm ปรับการใช้หน่วยความจำการอนุมานให้ดีที่สุดทำให้โมเดลภาษาขนาดใหญ่ 70b สามารถใช้การอนุมานได้บนการ์ด GPU 4GB เดียวโดยไม่ต้องใช้ปริมาณการกลั่นและการตัดแต่งกิ่ง
30. LLMHUB: LLMHUB เป็นแพลตฟอร์มการจัดการน้ำหนักเบาที่ออกแบบมาเพื่อปรับปรุงการทำงานและการโต้ตอบกับรูปแบบภาษาต่างๆ (LLMS)
31. Yuanchat
32. Litellm: โทร LLM APIs ทั้งหมดโดยใช้รูปแบบ openai [Bedrock, Huggingface, Vertexai, Sonateai, Azure, Openai, Groq ฯลฯ ]
33. Guidellm: Guidellm เป็นเครื่องมือที่มีประสิทธิภาพสำหรับการประเมินและเพิ่มประสิทธิภาพการปรับใช้แบบจำลองภาษาขนาดใหญ่ (LLMs)
34. LLM-Engines: เอ็นจิ้นการอนุมานแบบครบวงจรสำหรับรุ่นภาษาขนาดใหญ่ (LLMS) รวมถึงรุ่นโอเพนซอร์ซ (VLLM, SGLANG, ร่วมกัน) และโมเดลเชิงพาณิชย์ (OpenAI, Mistral, Claude)
35. OARC: Ollama_Agent_Roll_Cage (OARC) เป็นตัวแทน Python ท้องถิ่นที่หลอมรวม Ollama LLM กับโมเดลคำพูด Coqui-TTS, คลาส Keras, Llava Vision, การจดจำเสียงกระซิบและอื่น ๆ
36. G1: การใช้ LLAMA-3.1 70B บน GROQ เพื่อสร้างโซ่การให้เหตุผลที่คล้าย O1
37. MemoryScope: MemoryScope ให้ LLM chatbots ที่มีความสามารถในระยะยาวที่ทรงพลังและยืดหยุ่นซึ่งนำเสนอกรอบการทำงานสำหรับการสร้างความสามารถดังกล่าว
38. OpenLLM: เรียกใช้ LLM แบบโอเพนซอร์สเช่น LLAMA 3.1, Gemma ซึ่งเป็นจุดสิ้นสุด API ที่เข้ากันได้ของ OpenAI ในคลาวด์
39. อินฟินิตี้: ฐานข้อมูล Ai-Native ที่สร้างขึ้นสำหรับแอปพลิเคชัน LLM ให้การค้นหาไฮบริดอย่างรวดเร็วอย่างไม่น่าเชื่อของการฝังความหนาแน่นการฝังแบบเบาบางเทนเซอร์และข้อความเต็ม
40. Optillm: พร็อกซีที่เข้ากันได้กับ OpenAI API ซึ่งใช้เทคนิคที่ทันสมัยหลายอย่างที่สามารถปรับปรุงความแม่นยำและประสิทธิภาพของ LLMS
41. LLAMA Box: การใช้งานเซิร์ฟเวอร์การอนุมาน LLM ตาม LLAMA.CPP

↥กลับไปด้านบน

การประเมิน

1. LM-Evaluation-Harness: กรอบสำหรับการประเมินแบบจำลองภาษาไม่กี่แบบ
2. OpenCompass: OpenCompass เป็นแพลตฟอร์มการประเมิน LLM ซึ่งรองรับโมเดลที่หลากหลาย (LLAMA3, Mistral, InternLM2, GPT-4, Llama2, Qwen, GLM, Claude ฯลฯ ) กว่า 100+ ชุดข้อมูล
3. LLM-comparator: LLM Comparator เป็นเครื่องมือสร้างภาพข้อมูลแบบโต้ตอบสำหรับการประเมินและวิเคราะห์การตอบสนอง LLM แบบเคียงข้างกันพัฒนา
4. Evalscope
5. สาน: ชุดเครื่องมือที่มีน้ำหนักเบาสำหรับการติดตามและประเมินแอปพลิเคชัน LLM
6. Mixeval: ได้รับภูมิปัญญาของฝูงชนจากการผสมเกณฑ์มาตรฐาน LLM
7. คู่มือการประเมินผล: หากคุณเคยสงสัยว่าจะทำให้ LLM ทำงานได้ดีกับงานเฉพาะของคุณอย่างไรคู่มือนี้เหมาะสำหรับคุณ!
8. มาตรฐาน Ollama: เกณฑ์มาตรฐาน LLM สำหรับปริมาณงานผ่าน Ollama (LLMS ท้องถิ่น)
9. VLMEVALKIT: ชุดเครื่องมือประเมินโอเพ่นซอร์สของโมเดลภาษาวิสัยทัศน์ขนาดใหญ่ (LVLMS), รองรับ ~ 100 VLMS, มาตรฐาน 40+

LLM API 服务平台:

1. การทำ
2. การไหลของซิลิคอน
3. เครื่องยนต์ภูเขาไฟ
4. Wen Xin Qianfan
5. หน้าปัด

↥กลับไปด้านบน

สัมผัสประสบการณ์การใช้งาน

1. LMSYS Chatbot Arena: การเปรียบเทียบ LLMS ในป่า
2. สนามกีฬา Mockup Pompassarena Sinan
3. Langya Bang
4. HuggingFace Spaces
5. ช่องว่าง Wisemodel
6. ปอ
7. รายการป่าขนาดใหญ่ของ Brother Lin
8. OpenRouter
9. Anychat

↥กลับไปด้านบน

ความรู้พื้นฐานผ้าขี้ริ้ว

1. อะไรก็ตาม: แอพ AL-in-One AI สำหรับ LLM ใด ๆ ที่มีความสามารถในการใช้ RAG เต็มรูปแบบและ AI
2. MaxKB: ระบบพื้นฐานความรู้และระบบคำตอบตามรูปแบบภาษาขนาดใหญ่ LLM นอกกรอบสนับสนุนการฝังอย่างรวดเร็วในระบบธุรกิจของบุคคลที่สาม
3. Ragflow: เครื่องยนต์ RAG โอเพนซอร์ส
4. DIFY: แพลตฟอร์มการพัฒนาแอพโอเพนซอร์ซ LLM
5. FASTGPT: แพลตฟอร์มที่ใช้ความรู้ที่สร้างขึ้นบน LLM นำเสนอการประมวลผลข้อมูลนอกกรอบและความสามารถในการเรียกใช้โมเดลช่วยให้การจัดระเบียบเวิร์กโฟลว์ผ่านการสร้างภาพข้อมูลการไหล
6. Langchain-Chatchat: คำถามพื้นฐานความรู้ในท้องถิ่นและคำตอบตามรูปแบบภาษาขนาดใหญ่ที่แตกต่างกันเช่น Langchain และ Chatglm
7. Qanything: คำถามและคำตอบตามอะไรก็ได้
8. QUIVR: ผู้ช่วยเพิ่มประสิทธิภาพส่วนบุคคล (RAG) ⚡?
9. RAG-GPT: RAG-GPT, ใช้ประโยชน์จากเทคโนโลยี LLM และ RAG เรียนรู้จากฐานความรู้ที่ผู้ใช้กำหนดเองเพื่อให้คำตอบที่เกี่ยวข้องกับบริบทสำหรับการสืบค้นที่หลากหลายทำให้มั่นใจได้ว่าการดึงข้อมูลอย่างรวดเร็วและแม่นยำ
10. Verba: แชทบ็อต Augmented Generation (RAG) Retrieval Powered โดย Weaviate
11. Flashrag: ชุดเครื่องมือ Python สำหรับการวิจัย RAG ที่มีประสิทธิภาพ
12. graphrag: ระบบการเรียกคืนกราฟแบบแยกส่วนแบบแยกส่วน (RAG)
13. LIGHTRAG: LIGHTRAG ช่วยให้นักพัฒนามีทั้งการสร้างและเพิ่มประสิทธิภาพท่อส่งข้อมูล Retriever-Agent-Generator
14. graphrag-ollama-ui: graphrag โดยใช้ ollama กับ gradio ui และคุณสมบัติพิเศษ
15. Nano-Graphrag: การใช้งาน Graphrag ง่าย ๆ ง่ายๆ
16. เทคนิค RAG: พื้นที่เก็บข้อมูลนี้นำเสนอเทคนิคขั้นสูงต่าง ๆ สำหรับระบบ Generation-Augmented Generation (RAG)
17. RAGAS: กรอบการประเมินผลสำหรับท่อ Augmented Generation (RAG) ของคุณ
18. Kotaemon: Rag UI ที่สะอาดและกำหนดเองสำหรับการแชทกับเอกสารของคุณ
19. Ragapp: วิธีที่ง่ายที่สุดในการใช้ Rag Agentic ในองค์กรใด ๆ
20. Turborag: การเร่งการดึงการสืบค้น-เพิ่มขึ้นพร้อมกับแคช KV ที่คาดการณ์ล่วงหน้าสำหรับข้อความอัน
21. LIGHTRAG: รุ่นที่ใช้งานง่ายและรวดเร็ว
22. สิบ: เฟรมเวิร์ก AI-Gen Gen, กรอบการทำงาน AI AI Multimodal AI ของโลกเป็นครั้งแรกอย่างแท้จริง
23. Autorag: เครื่องมือ RAG Automl สำหรับการค้นหาท่อส่ง RAG แบบออพติคอลโดยอัตโนมัติสำหรับข้อมูลของคุณ
24. KAG: KAG เป็นเฟรมเวิร์กรุ่นที่เพิ่มความรู้โดยใช้เครื่องยนต์ OpenSPG ซึ่งใช้ในการสร้างการตัดสินใจที่เข้มงวดขึ้นและให้บริการความรู้ในการดึงข้อมูล
25. Fast-graphrag: ผ้าขี้ริ้วที่ปรับให้เข้ากับกรณีการใช้งานข้อมูลและการสืบค้นของคุณอย่างชาญฉลาด
26. กริกรากเล็ก ๆ
27. db-gpt graphrag: db-gpt graphrag รวมกราฟความรู้ที่ใช้ทริปเปิลและกราฟโครงสร้างเอกสารในขณะที่ใช้ประโยชน์จากกลไกการดึงข้อมูลชุมชนและเอกสารเพื่อเพิ่มความสามารถในการเพิ่มประสิทธิภาพการทำงานของ Rag
28. Chonkie: ห้องสมุดผ้าขี้ริ้วไร้สาระที่ไร้สาระซึ่งมีน้ำหนักเบาเร็วเร็วและพร้อมที่จะใช้ข้อความของคุณ

↥กลับไปด้านบน

ตัวแทน

1. Autogen: Autogen เป็นเฟรมเวิร์กที่ช่วยให้การพัฒนาแอปพลิเคชัน LLM โดยใช้ตัวแทนหลายตัวที่สามารถสนทนากันเพื่อแก้ปัญหางาน
2. CREWAI: กรอบสำหรับการสวมบทบาทการสวมบทบาทตัวแทน AI อิสระ
3. ร่วมกัน
4. AgentGPT: ประกอบกำหนดค่าและปรับใช้ AI AID ATOMOUS ATOMOUS ในเบราว์เซอร์ของคุณ
5. Xagent: เอเจนต์ LLM อิสระสำหรับการแก้ปัญหาที่ซับซ้อน
6. MobileAgent: ตระกูลผู้ช่วยผู้ดำเนินการอุปกรณ์มือถือที่ทรงพลัง
7. Lagent: กรอบการทำงานที่มีน้ำหนักเบาสำหรับการสร้างตัวแทนที่ใช้ LLM
8. Qwen-Agent: Agent Framework และแอพพลิเคชั่นที่สร้างขึ้นบน Qwen2, เนื้อเรื่องการเรียกใช้ฟังก์ชัน, Code Interpreter, Rag และ Chrome Extension
9. Linkai: แพลตฟอร์มอาคารอัจฉริยะ AI แบบครบวงจร
10. baidu appbuilder
11. Agentuniverse: Agentuniverse เป็นเฟรมเวิร์กหลายตัวแทน LLM ที่ช่วยให้นักพัฒนาสามารถสร้างแอปพลิเคชันหลายตัวแทนได้อย่างง่ายดาย
12. Lazyllm: เครื่องมือพัฒนาสำหรับการสร้างแอปพลิเคชันขนาดใหญ่หลายตัวแทนพร้อมรหัสต่ำ
13. AgentsCope: เริ่มสร้างแอพพลิเคชั่นหลายตัวแทน LLM ที่ได้รับการสนับสนุนจาก LLM ในวิธีที่ง่ายขึ้น
14. MOA: ส่วนผสมของตัวแทน (MOA) เป็นวิธีการใหม่ที่ใช้ประโยชน์จากจุดแข็งโดยรวมของ LLM หลายตัวเพื่อเพิ่มประสิทธิภาพเพื่อให้ได้ผลลัพธ์ที่ทันสมัย
15. Agently: AI Agent Application Development Framework
16. Omagent: กรอบตัวแทนหลายรูปแบบสำหรับการแก้ปัญหาที่ซับซ้อน
17. Tribe: ไม่มีเครื่องมือรหัสในการสร้างและประสานงานทีมหลายตัวแทนอย่างรวดเร็ว
18. อูฐ: เฟรมเวิร์กหลายตัวแทน LLM ครั้งแรกและชุมชนโอเพ่นซอร์สที่อุทิศตนเพื่อค้นหากฎการปรับขนาดของตัวแทน
19. Praisonai: แอปพลิเคชั่น Praisonai ผสมผสาน Autogen และ Crewai หรือกรอบการทำงานที่คล้ายกันเข้ากับโซลูชันรหัสต่ำสำหรับการสร้างและจัดการระบบ LLM หลายตัวแทนโดยมุ่งเน้นไปที่ความเรียบง่ายการปรับแต่งและการทำงานร่วมกันของตัวแทนมนุษย์ที่มีประสิทธิภาพ
20. IOA: กรอบโอเพนซอร์ซสำหรับตัวแทน AI การทำงานร่วมกันทำให้เกิดความหลากหลายตัวแทนแจกจ่ายให้กับทีมและจัดการงานที่ซับซ้อนผ่านการเชื่อมต่อที่คล้ายอินเทอร์เน็ต
21. Llama-Agentic-System: ส่วนประกอบตัวแทนของ Llama Stack APIs
22. Agent Zero: Agent Zero ไม่ใช่เฟรมเวิร์กเอเจนต์ที่กำหนดไว้ล่วงหน้า
23. ตัวแทน: เฟรมเวิร์กโอเพนซอร์ซสำหรับตัวแทนภาษาอิสระที่เน้นข้อมูลด้วยตนเอง
24. AgentsCope: เริ่มสร้างแอพพลิเคชั่นหลายตัวแทน LLM ที่ได้รับการสนับสนุนจาก LLM ในวิธีที่ง่ายขึ้น
25. Fastagency: วิธีที่เร็วที่สุดในการนำเวิร์กโฟลว์หลายตัวแทนมาสู่การผลิต
26. Swarm: เฟรมเวิร์กสำหรับการสร้างการจัดทำและปรับใช้ระบบหลายตัวแทน
27. Agent-S: เฟรมเวิร์ก Open Agent ที่ใช้คอมพิวเตอร์เหมือนมนุษย์

↥กลับไปด้านบน

ค้นหา

1. OpenSearch GPT: SearchGPT / Perplexity Clone แต่เป็นส่วนตัวสำหรับคุณ
2. MindSearch: เฟรมเวิร์กหลายตัวแทนที่ใช้ LLM ของเครื่องมือค้นหาเว็บ (เช่น perplexity.ai pro และ searchgpt)
3. Nanoperplexityai: การใช้งานโอเพนซอร์ซที่ง่ายที่สุดของ Perplexity.ai
4. ความอยากรู้อยากเห็น: พยายามสร้างประสบการณ์ผู้ใช้ที่น่างงงวย

↥กลับไปด้านบน

หนังสือ

1. รูปแบบภาษาขนาดใหญ่: จากทฤษฎีสู่การฝึกฝน
2. "โมเดลภาษาใหญ่"
3. "การเยาะเย้ยแบบมือดำดิ่งลงไปใน LLMS"
4. "ตัวแทน AI มือ"
5. สร้างรูปแบบภาษาขนาดใหญ่ (ตั้งแต่เริ่มต้น)
6. "Multimodal Mockup"
7. คู่มือ AI Generative: แผนงานสำหรับการเรียนรู้แหล่งข้อมูล
8. เข้าใจการเรียนรู้อย่างลึกซึ้ง
9. "หนังสือภาพประกอบเพื่อเรียนรู้เกี่ยวกับ Transformers & LLMS"
10. การสร้าง LLM สำหรับการผลิต: เพิ่มความสามารถและความน่าเชื่อถือของ LLM ด้วยการกระตุ้นการปรับแต่งและผ้าขี้ริ้ว
11. "แนวทางปฏิบัติเกี่ยวกับแบบจำลองภาษาขนาดใหญ่: การฝึกฝนแอปพลิเคชันและการใช้งานสถานการณ์"
12. "แบบจำลองภาษาขนาดใหญ่แบบลงมือ"
13. การประมวลผลภาษาธรรมชาติ: ทฤษฎีและการปฏิบัติแบบจำลองขนาดใหญ่
14. "การเรียนรู้เสริมการเรียนรู้ด้วยมือ"
15. "บทนำสู่ LLM สำหรับนักพัฒนา"
16. "โมเดลพื้นฐาน"

↥กลับไปด้านบน

คอร์ส

LLM Resources Hub

1. Stanford CS224N: การประมวลผลภาษาธรรมชาติด้วยการเรียนรู้อย่างลึกซึ้ง
2. NG: AI Generative สำหรับทุกคน
3. NG: ชุดหลักสูตร LLM
4. ACL 2023 บทช่วยสอน: แบบจำลองภาษาและแอปพลิเคชันแบบดึงข้อมูล
5. LLM-Course: หลักสูตรเพื่อเข้าสู่รูปแบบภาษาขนาดใหญ่ (LLMS) พร้อมแผนการทำงานและสมุดบันทึก colab
6. Microsoft: Generative AI สำหรับผู้เริ่มต้น
7. Microsoft: สถานะของ GPT
8. HuggingFace NLP หลักสูตร
9. tsinghua nlp liu zhiyuan ทีมใหญ่รุ่นเปิดชั้นเรียน
10. Stanford CS25: Transformers United V4
11. Stanford CS324: รูปแบบภาษาขนาดใหญ่
12. Princeton Cos 597G (ฤดูใบไม้ร่วง 2022): ทำความเข้าใจกับแบบจำลองภาษาขนาดใหญ่
13. Johns Hopkins CS 601.471/671 NLP: โมเดลผู้ดูแลตนเอง
14. หลักสูตร Li Hongyi Genai
15. Openai-Cookbook: ตัวอย่างและแนวทางสำหรับการใช้ OpenAI API
16. Hands on LLMS: เรียนรู้เกี่ยวกับ LLM, LLMOPS และ Vector DBS ฟรีโดยการออกแบบการฝึกอบรมและการปรับใช้ระบบ LLM ที่ปรึกษาทางการเงินแบบเรียลไทม์
17. University of Waterloo CS 886: Advanceds ล่าสุดเกี่ยวกับรูปแบบมูลนิธิ
18. MISTRAL: เริ่มต้นด้วย Mistral
19. Stanford CS25: Transformers United V4
20. Coursera: โครงการพรอมต์แอปพลิเคชัน CHATGPT
21. Langgpt: ช่วยให้ทุกคนเป็นผู้เชี่ยวชาญที่รวดเร็ว!
22. Mistralai-cookbook
23. รู้เบื้องต้นเกี่ยวกับการกำเนิด AI 2024 ฤดูใบไม้ผลิ
24. สร้าง Nanogpt: วิดีโอ+รหัสบทเรียนเกี่ยวกับการสร้าง Nanogpt ตั้งแต่เริ่มต้น
25. LLM101N: มาสร้างนักเล่าเรื่องกันเถอะ
26. กราฟความรู้สำหรับผ้าขี้ริ้ว
27. LLMS จากศูนย์ (เวอร์ชัน Datawhale)
28. OpenRag
29. ถนนสู่ agi
30. Andrej Karpathy - Neural Networks: Zero to Hero
31. การสร้างภาพข้อมูลแบบโต้ตอบของหม้อแปลง
32. Andysingal/LLM-course
33. LM-class
34. Google Advanced: AI Generative สำหรับนักพัฒนา
35. มานุษยวิทยา: การสอนแบบโต้ตอบทางวิศวกรรมที่รวดเร็ว
36. llmsbook
37. ตัวแทนโมเดลภาษาขนาดใหญ่
38. Cohere Llm University
39. LLMS และ Transformers
40. SMOL VISION: สูตรสำหรับการหดตัวการปรับให้เหมาะสมปรับแต่งแบบจำลองการมองเห็นที่ทันสมัย
41. ผ้าขี้ริ้วหลายรูปแบบ: แชทกับวิดีโอ
42. บันทึกการสัมภาษณ์ LLMS
43. RAG ++: จาก POC ไปจนถึงการผลิต: Advanced RAG Course
44. Weights & Biases AI Academy: Finetuning, การสร้างด้วย LLM, ผลลัพธ์ที่มีโครงสร้างและหลักสูตร LLM อื่น ๆ
45. การสอนด้านวิศวกรรมและ AI และทรัพยากร AI
46. เรียนรู้ RAG ตั้งแต่เริ่มต้น - Python AI Tutorial จากวิศวกร Langchain
47. การประเมิน LLM: หลักสูตรที่สมบูรณ์

↥กลับไปด้านบน

การสอน

1. เรียนรู้การพัฒนาแอปพลิเคชันขนาดใหญ่
2. ช่องนักพัฒนา AI
3. สถานี B: Wulidun Tea House
4. สถานี B: Cheney Muyu
5. YTB: AI ได้ทุกเวลา
6. สถานี B: Qi Nini
7. คู่มือวิศวกรรมที่รวดเร็ว
8. YTB: AI Super Metamorphosis
9. สถานี B: ชุมชนปัญญาประดิษฐ์ TechBeat
10. สถานี B: Huang Yihe
11. สถานี B: การเรียนรู้ภาษาธรรมชาติเรียนรู้อย่างลึกซึ้ง
12. การสร้างภาพ LLM
13. Zhihu: มนุษย์หินดิบ
14. สถานี B: Xiao Heihei พูดถึง AI
15. สถานี B: วิศวกรยานพาหนะหันหน้าเข้าหาผนัง
16. สถานี B: AI ทหารผ่านศึก Wenzhe
17. โมเดลภาษาขนาดใหญ่ (LLMS) พร้อมสมุดบันทึก colab
18. YTB: เทคโนโลยี IBM
19. YTB: รวมกลุ่มกระดาษอ่าน
20. ชิป Huyen
21. vram เท่าไหร่
22. บล็อก: พื้นที่วิทยาศาสตร์ (Su Jianlin)
23. YTB: Hyung Won Chung
24. บล็อก: Tejaswi Kashyap
25. บล็อก: บล็อกของ Xiaosheng
26. Zhihu: YBQ
27. บทความ W&B
28. บล็อก HuggingFace
29. บล็อก: gbyai
30. บล็อก: Mlabonne
31. แอ็คชั่น LLM
32. บล็อก: lil'log (oponai)

↥กลับไปด้านบน

กระดาษ

บันทึก

? HuggingFace Daily Papers, เอกสารเย็น, เอกสาร ML อธิบาย

1. HERMES-3-Technical-Port
2. The Llama 3 Herd of Models
3. รายงานทางเทคนิคของ Qwen
4. รายงานทางเทคนิค QWEN2
5. รายงานทางเทคนิค QWEN2-VL
6. Deepseek LLM: ปรับขนาดแบบจำลองภาษาโอเพนซอร์ซด้วยความยาว
7. Deepseek-V2: โมเดลภาษาที่แข็งแกร่งประหยัดและมีประสิทธิภาพ
8. Baichuan 2: เปิดรุ่นภาษาขนาดใหญ่
9. DataComp-LM: ในการค้นหาชุดการฝึกอบรมรุ่นต่อไปสำหรับรูปแบบภาษา
10. Olmo: เร่งวิทยาศาสตร์ของแบบจำลองภาษา
11. MAP-NEO: ซีรี่ส์รุ่นภาษาขนาดใหญ่ที่มีความสามารถสูงและโปร่งใสสูงและโปร่งใส
12. LLM LLM ของจีน: การเตรียมรูปแบบภาษาขนาดใหญ่ที่เน้นภาษาจีนเป็นศูนย์กลาง
13. รายงานทางเทคนิค Phi-3: รูปแบบภาษาที่มีความสามารถสูงในโทรศัพท์ของคุณ
14. jamba-1.5: รุ่นไฮบริด Transformer-Mamba ในระดับ
15. Jamba: โมเดลภาษา Transformer-Mamba ไฮบริด
16. ตำราเรียนเป็นสิ่งที่คุณต้องการ
17. ปลดปล่อยพลังของสึนามิข้อมูล: การสำรวจที่ครอบคลุมเกี่ยวกับการประเมินข้อมูลและการเลือกสำหรับการปรับแต่งการเรียนการสอนแบบจำลองภาษา data
18. Olmoe: เปิดแบบจำลองภาษาผสมของ Experts
19. แบบจำลองกระดาษผสาน
20. รายงานทางเทคนิคของ Baichuan-Omni
21. 1.5-pints รายงานทางเทคนิค: การเตรียมการในวันไม่ใช่เดือน-รูปแบบภาษาของคุณเจริญเติบโตจากข้อมูลคุณภาพ
22. รายงานทางเทคนิคการจัดตำแหน่งของ Baichuan
23. Hunyuan-Large: โมเดลโอเพนซอร์ซที่มีพารามิเตอร์เปิดใช้งาน 52 พันล้านโดย Tencent
24. Molmo และ Pixmo: เปิดน้ำหนักและเปิดข้อมูลสำหรับแบบจำลองหลายรูปแบบที่ทันสมัย
25. Tülu 3: การผลักดันพรมแดนในรูปแบบภาษาเปิดหลังการฝึกอบรม

↥กลับไปด้านบน

เคล็ดลับ

1. สิ่งที่เราเรียนรู้จากปีแห่งการสร้างด้วย LLM (ตอนที่ 1)
2. สิ่งที่เราเรียนรู้จากปีแห่งการสร้างด้วย LLM (ตอนที่สอง)
3. สิ่งที่เราเรียนรู้จากปีแห่งการสร้างด้วย LLMS (ตอนที่ III): กลยุทธ์
4. เริ่มต้นใช้งานง่ายด้วยโมเดลภาษาขนาดใหญ่ (LLM)
5. LLMs สำหรับการจำแนกประเภทข้อความ: คู่มือการเรียนรู้ภายใต้การดูแล
6. การจำแนกประเภทข้อความที่ไม่ได้รับการดูแล: จัดหมวดหมู่ภาษาธรรมชาติด้วย LLMS
7. การจำแนกประเภทข้อความด้วย LLMS: Roundup ของวิธีที่ดีที่สุด
8. ราคา LLM
9. uncensor llm ใด ๆ ที่มีนามธรรม
10. จักรวาล LLM เล็ก ๆ
11. zero-chatgpt
12. zero-qwen-vl
13. Finetune-qwen2-Vl
14. MPP-llava
15. build_minillm_from_scratch
16. LLM เล็ก ๆ
17. Minimind: 3 ชั่วโมงของการฝึกอบรมพารามิเตอร์ขนาดเล็ก GPT ที่มีเพียง 26 เมตรและการ์ดกราฟิกอย่างน้อย 2G จะต้องใช้เพื่ออนุมานการฝึกอบรมการอนุมาน
18. LLM-Travel: อุทิศให้กับความเข้าใจเชิงลึกการอภิปรายและการใช้เทคโนโลยีหลักการและแอปพลิเคชันที่เกี่ยวข้องกับแบบจำลองขนาดใหญ่ที่หลากหลาย
19. การกลั่นความรู้: การสอน LLM ด้วยข้อมูลสังเคราะห์
20. ส่วนที่ 1: วิธีการปรับรูปแบบภาษาขนาดใหญ่
21. ส่วนที่ 2: เพื่อปรับแต่งหรือไม่ปรับแต่ง
22. ส่วนที่ 3: วิธีปรับแต่ง: มุ่งเน้นไปที่ชุดข้อมูลที่มีประสิทธิภาพ
23. Reader-LM: รุ่นภาษาขนาดเล็กสำหรับการทำความสะอาดและแปลง HTML เป็น markdown
24. ประสบการณ์การก่อสร้างแอปพลิเคชัน LLMS เป็นเวลาหนึ่งปี
25. การฝึกอบรม LLM
26. Pytorch-llama: Llama 2 ดำเนินการตั้งแต่เริ่มต้นใน Pytorch
27. การเพิ่มประสิทธิภาพการตั้งค่าสำหรับแบบจำลองภาษาการมองเห็นด้วย TRL 【โมเดลสนับสนุน】
28. แบบจำลองภาษาภาพที่ปรับจูนโดยใช้ SFTTrainer 【เอกสาร】
29. คู่มือภาพเกี่ยวกับการผสมผสานของผู้เชี่ยวชาญ (MOE)
30. การสวมบทบาทในรูปแบบภาษาขนาดใหญ่เช่น CHATGPT
31. คู่มือการฝึกอบรมแบบกระจาย: แนวทางปฏิบัติที่ดีที่สุดและคำแนะนำเกี่ยวกับวิธีการเขียนรหัสฝึกอบรม Pytorch แบบกระจาย
32. เทมเพลตแชท
33. คำถามสัมภาษณ์ RAG 20 อันดับแรก

↥กลับไปด้านบน

หากคุณพบว่าโครงการนี้เป็นประโยชน์กับคุณโปรดอ้าง:

 @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} } ,
}