LLMSurvey

LLMSurvey

大型语言模型(LLM)的论文和资源的汇总

LLMSurvey 汇总了大量关于大型语言模型(LLM)的论文和资源。介绍了从GPT到LLaMA系列的技术演变,分析了在指令调整实验中不同类型指令对LLM性能的影响,同时提供了针对初学者的中文书籍,以帮助理解该领域的基本框架和发展路线。

大型语言模型LLMSurvey技术演进调优实验GPT系列Github开源项目

LLMSurvey 项目简介

项目概述

LLMSurvey 是一个专注于大型语言模型(Large Language Models,LLM)相关资源和论文的集合。该项目旨在收集和整理与 LLM 相关的重要研究成果和资源,以便研究人员能够更好地了解和利用这些技术。LLMSurvey 的组织结构参考于一篇题为“LLMs 调查”的学术论文,该论文全面阐述了 LLM 的研究进展。

中文书籍发行

LLMSurvey 团队已经发布了该调查的中文版书籍。这本书专注于为 LLM 领域的初学者提供入门指导和全面框架,适合有深度学习基础的高年级本科生和低年级研究生。读者可以通过该书理解 LLM 的基本概念和发展路径。书籍可以从 这里 下载。

科研趋势和数据

论文数量趋势

自2018年6月以来,包含“语言模型”关键词的论文数量逐渐增加,而自2019年10月以来,“大型语言模型”主题的论文数量爆发性增长,尤其是在 ChatGPT 发布后,每天平均新增8.58篇相关论文。相关统计数据通过搜索论文标题和摘要中的关键词获得。

GPT系列模型的技术演进

LLMSurvey 提供了一个简要图示,展示了 GPT 系列模型的技术演进。该图采用实线和虚线分别表示模型间的强和弱演进关联,如不同模型之间的发展路径。

LLaMA 家族演变图

LLaMA 家族的研究工作量巨大,LLMSurvey 项目为便于逐步更新,提供了其演化图的源文件,并鼓励读者通过 GitHub 提交 pull request 来补充额外的模型。

使用提示和实验

提示设计

LLMSurvey 收集了一些提示设计的实用技巧,提供了与提示相关的原理和要素。读者可以点击此处查看更详细的信息。项目团队也欢迎任何人通过 GitHub 提交相关建议。

实验介绍

LLMSurvey 中包括两类实验:

  • 指令微调实验:探讨不同类型指令对 LLM 微调效果的影响。
  • 能力评估实验:对 LLM 的不同能力进行精细评估,选取具有代表性的任务和数据集进行评测。

团队呼吁提供计算资源,以便进行更加全面的实验。

时间线与模型列表

LLMSurvey 提供了一份关于 LLM 的时间线,涵盖了多个重要的模型发布,按公有和闭源两类进行分类。例如,GPT-3、LaMDA 等知名大模型均在列表之中。

公开可获得的模型示例

  • T5: 由 Colin Raffel 等人提出,2019 年发布。
  • mT5: Linting Xue 等人于 2021 年发布的多语言模型。
  • PanGu-α: 由华为团队于 2021 年发布的中文语言大模型。

闭源模型示例

  • GPT-3: OpenAI 于 2020 年发布,成为前沿语言模型的标杆。
  • LaMDA: Google 于 2021 年发布的对话型语言模型。

结论

LLMSurvey 是了解和研究大型语言模型的宝贵资源。通过收集和组织丰富的研究材料,该项目为学术界提供了一个学习、交流和创新的平台。团队鼓励各界人士关注该项目的更新,并参与到其中。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多