llm-verified-with-monte-carlo-tree-search

通过蒙特卡洛树搜索实现大语言模型代码验证

Monte Carlo Tree Search Python Dafny Coq Lean Github 开源项目

该项目通过蒙特卡洛树搜索（MCTS）生成并验证代码，每步调用验证器确保正确性。支持Dafny、Coq、Lean、Scala和Rust语言，可使较弱模型与强模型竞争。项目需GPU支持，提供详细的设置和运行指南，包括交互模式和特定语言配置。

RLHF-V - 通过细粒度反馈优化多模态大语言模型

GithubRLHF-V人类反馈多模态大语言模型幻觉减少开源项目行为对齐

RLHF-V框架通过细粒度的人类纠正反馈来优化多模态大语言模型的行为。该项目收集高效的纠正反馈数据,让标注者修正模型回答中的幻觉片段。实验表明,仅需1小时训练即可将基础模型的幻觉率降低34.8%。RLHF-V在Muffin模型上的验证展示了显著的性能提升,有效提高了模型的可信度。

Grounding_LLMs_with_online_RL - GLAM 强化学习优化大型语言模型的新方法

BabyAI-TextGLAMGithubLamorel大语言模型开源项目强化学习

这个开源项目开发了GLAM方法，通过在线强化学习优化大型语言模型在BabyAI-Text环境中的性能。项目提供了BabyAI-Text环境和实验代码，支持智能体训练和评估。研究者使用Lamorel库实现了PPO、DRRN等多种智能体。代码库包含详细的安装说明、配置文件和运行指南，便于其他研究人员复现和拓展相关研究。

llm-colosseum - 通过街头霸王对决实时评估LLMs的AI战斗力

ELO排名GithubLLM战斗Mistral 7BStreet Fighter III实时对决开源项目

llm-colosseum利用街头霸王III平台让LLMs展开对战，评测它们的快速决策和策略适应。各模型根据表现获取ELO评分，通过模拟真实对战环境，探索不同LLM在实际竞技表现。项目创设新型基准测试，通过实战对比加深对LLM竞技性和响应智能的了解。

TensorRT-LLM - NVIDIA开发的大型语言模型推理优化工具

AI推理GPU加速GithubNVIDIATensorRT-LLM大语言模型开源项目

TensorRT-LLM是一个用于优化大型语言模型推理的开源工具。它提供Python API来定义模型和构建TensorRT引擎，支持多GPU和多节点部署。该工具集成了多种量化技术，如INT4/INT8权重量化和SmoothQuant，以提升性能和降低内存占用。TensorRT-LLM预置了多个常用模型，可根据需求进行修改和扩展。

ML-Bench - 评测大型语言模型和代理在代码库级机器学习任务上的效果

GitHub仓库GithubML-Bench代码评估大语言模型开源项目机器学习任务

本文详细说明了如何在代码库级别评估大型语言模型和代理的表现，包括环境设置、数据准备、模型微调和API调用等内容。提供了相关脚本和工具，帮助研究者复现实验结果，适用于机器学习和模型评估领域的专业人员和研究者。

DeepSeek-VL - 高性能开源视觉语言模型多模态理解与复杂场景应用

DeepSeek-VLGithub人工智能多模态理解开源开源项目视觉语言模型

DeepSeek-VL是一个开源视觉语言模型，为实际应用场景而设计。它能处理逻辑图表、网页、公式、科学文献、自然图像等，并在复杂场景中展现智能。模型提供1.3B和7B两种参数规模，支持基础和对话应用，可用于学术研究和商业用途。DeepSeek-VL采用MIT许可证，为研究人员和开发者提供了强大的视觉语言处理工具。

LLaMA-Pro - 具有块扩展的渐进式 LLaMA

GPT模型GithubLLaMA ProMetaMath开源项目深度学习自然语言处理

LLaMA-Pro项目通过模块扩展实现渐进式改进，显著提升算法性能。开源代码和模型包括LLaMA-Pro-8B和Mistral-Pro-8B-v0.1，后者在多个基准测试中表现优异，尤其在代码与数学能力方面超越主流型号。项目还提供了本地执行方法和训练代码。在ACL 2024大会上，项目论文已被接收，展示出其学术和实用价值。同时，LLaMA-Pro项目提供评估工具和预训练样例，支持开发者高效开发。

RoleLLM-public - 评估与提升大语言模型角色扮演能力的框架

GithubRoleLLM基准测试大语言模型开源项目微调角色扮演

RoleLLM框架旨在评估和增强大语言模型的角色扮演能力。该框架包含RoleBench数据集、Context-Instruct知识提取方法、RoleGPT风格模仿技术和RoCIT微调策略。通过这些组件，RoleLLM显著提升了开源模型的角色扮演表现，在某些方面达到了与GPT-4相当的水平。这一框架为大语言模型在角色扮演任务中的应用提供了新的研究方向。

VisionLLM - 面向视觉任务的开放式多模态大语言模型

GithubVisionLLM人工智能多模态大语言模型开源项目视觉语言任务计算机视觉

VisionLLM 系列是一种多模态大语言模型，专注于视觉相关任务。该模型利用大语言模型作为开放式解码器，支持数百种视觉语言任务，包括视觉理解、感知和生成。VisionLLM v2 进一步提升了模型的通用性，扩展了其在多模态应用场景中的能力，推动了计算机视觉与自然语言处理的融合。

moatless-tools - Moatless Tools 利用大语言模型优化大型代码库

GithubLLMMoatless ToolsSWE-Bench代码编辑开源项目有限状态机

Moatless Tools是一个开源项目，致力于探索大语言模型在编辑大型代码库中的应用。该项目通过构建工具插入上下文并处理响应，而非依赖代理推理。在SWE-Bench基准测试中，Moatless Tools使用GPT-4o和Claude 3.5 Sonnet取得了显著成果。项目采用基于有限状态机的循环，包含搜索、识别和计划编码等功能，实现了高效的代码编辑。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com