#LLM

Autonomous Agents项目每日更新研究论文，涵盖大模型推理计算、递归多代理系统、身份生成等多个领域。该项目致力于通过推理计算优化、任务环境生成和工具管理等方式，提高自主代理人的效率与功能。每篇论文经过评审，展示了LLM模型在角色模拟、法律咨询和心理健康咨询等领域的应用。了解最新技术和实际案例，洞见自主代理人的发展趋势。

Agent-FLAN通过重新设计训练数据，使Llama2-7B在多个代理评估数据集上表现出色，并减轻了模型的幻觉问题。该项目利用AgentInstruct和Toolbench进行了综合优化，显著提升了大型语言模型的代理能力。发布的模型及数据集可在Huggingface和OpenXLab上获取。

Magpie 项目通过提示对齐的大型语言模型生成高质量的对齐数据，无需提示工程或种子问题。该方法通过对齐模型的预查询模板生成用户查询和响应，已在Llama-3、Qwen2、Phi 3 和 Gemma-2系列模型上测试。最新更新包括多款增强中文问答能力和推理能力的数据集。项目开放这些高质量数据，推动AI民主化，提升模型对齐过程的透明度。

PlotAI是一个可以利用大型语言模型生成Python和Matplotlib图表的工具。用户提供输入数据和提示，PlotAI生成代码并展示图表。支持Python脚本和多种Notebook环境。安装后，通过提供OpenAI API密钥即可快速启动，并可选择不同的OpenAI模型进行绘图。

Data2LLM是一款命令行工具，能够高效地聚合和预处理数据，支持从本地文件、GitHub仓库、ArXiv论文、YouTube视频等多个来源提取和整合文本内容，生成适用于大型语言模型的高密度提示。工具自动检测源类型，进行文本预处理，并生成XML格式输出，复制到剪贴板，简化操作流程，提升工作效率。

该仓库由SID Tech Inc.的创始人和Y Combinator社区的志愿者维护，汇集了YC公司开发的AI工具。此集合旨在为LLM和ML开发者提供可靠的起点。涵盖分析与监控、向量数据库、数据集成与检索、基础设施、模型服务与微调、数据生成与处理、安全、提示管理与测试，以及开发简化等多个领域，帮助开发者优化AI应用的开发与部署。

Bosquet项目旨在简化复杂的AI应用构建过程。它提供了丰富的工具和服务管理功能，包括与Selmer库集成的提示模板、通过Pathom图处理机制实现的提示链构建、与外部API交互的智能体定义、LLM内存处理和调用响应缓存等。Bosquet旨在解决AI应用在提示模板管理、上下文窗口内存管理及外部交互等方面的挑战，让开发者能专注于核心功能开发。

LLM百宝箱是大模型相关资源的综合汇总，包括算法、训练、推理、数据工程、压缩和测评等方面。用户可以通过目录和链接快速找到相关内容，如Transformer和GPT模型的原理和源码解析，以及混合专家模型（MoE）等前沿技术。此外，还提供了LLM微调、对齐和推理优化的实现方案和技巧，帮助开发者和研究者深入掌握并应用大模型技术。

GPTLint利用大语言模型（LLMs）在代码库中应用高级最佳实践，超过传统静态分析工具如ESLint。它支持自定义和项目专用规则以及内容缓存，兼容主要LLM提供商和本地模型，提供详尽的运行统计。目前，仅支持JS/TS和单文件上下文，不支持自动修复。

该项目展示了一种树形思维（Tree-of-Thought, ToT）框架的Sudoku解题器，旨在提升大型语言模型（LLMs）的复杂问题解决能力。ToT技术模仿人类通过探索和回溯的思维过程，具有动态调整和回溯的能力。项目实现包含多个模块，如prompter agent、checker module、memory module和ToT controller，并与LLM进行多轮对话，以实现智能求解。如需详细了解，请访问预印本。

Rocketnotes是一款基于网页的Markdown笔记应用，提供LLM驱动的文本自动补全、聊天和语义搜索功能。它采用无服务器RAG管道，基于langchain、sentence-transformers、faiss、Ollama以及OpenAI或Anthropic API构建。用户可以进行语义搜索、与文档聊天、创建代码片段并高亮显示、共享文档等。应用支持使用Docker本地部署或通过AWS云端托管，方便用户随时随地高效管理和搜索笔记。

展示多种开源与闭源LLM模型的详细信息，包括发布时间、模型大小、支持语言、适用领域及训练数据。提供GitHub、HuggingFace、演示及研究论文链接，信息定期更新以反映最新进展。欢迎贡献者参与添加新模型或更新现有模型信息。

该程序通过OpenAI GPT-4 API生成响应，并提供通过Python创建LLM推理应用程序的简便方法。用户可以轻松切换到任意API或模型，该项目包含详细的教程和操作指南。

该项目展示了如何通过提示链实现事实核查。LLM生成初步答案并验证其中的假设，最终提供包含新信息的答案。文档中包含运行指南和示例，帮助用户掌握该方法。

精选AGI智能体资源集合，涵盖文章、视频、论文、前沿项目和开发平台。开源项目如Auto-GPT和MetaGPT展示了自主AI智能体的应用潜力。复旦NLP与米哈游的综述论文对大语言模型驱动的Agent提供了深度解读。开发者可借助LangChain、SuperAGI等工具，快速构建和部署智能体。适用于关注AI智能体发展及其在科研、技术和应用领域前沿探索的用户。

详尽介绍大型AI语言模型最新进展及开源资源，包括训练代码、数据集和预训练权重。收录Baichuan、Falcon、OpenLLaMA等模型，并关注开源与分布式训练框架如PyTorch和XLA生态。提供全面资源链接，帮助研究人员和开发者了解当前AI模型的最前沿动态。

Graphologue将大型语言模型（如GPT-4）的文本响应实时转化为互动图表，使用创新提示和界面设计便于提取实体和关系，支持复杂信息任务。用户可以调整图示和提交上下文提示，促进与LLM的非线性对话，增强信息探索和组织能力。

结合LLM与Django，高效开发AI助手以满足用户需求。通过AI Tool Calling和RAG技术与Django的深度集成，提供详细文档和5分钟演示视频，支持社区互动和贡献，提供商业支持。

本页面介绍了多个知名的大型语言模型（LLM）的发展历史，包括其发布年份、相关论文、核心功能和代码实现。从Transformer、GPT系列到最新的GPT-4和Claude，全面汇总了每个模型的关键信息及技术亮点，并提供了相关链接供深入了解。对于自然语言处理（NLP）领域的研究者、开发者和爱好者，这些信息具有重要的参考价值。

H2o-wizardlm是一个开源项目，旨在从现有指令微调的LLM模型中自动生成高复杂度指令，适用于进一步微调。该项目基于Apache 2.0许可的模型和数据，支持输入指令微调的LLM和种子提示（未来支持文档语料库），输出为高复杂度的指令提示及其响应，无需违反Vicuna或ShareGPT的服务条款。

该项目收录了大语言模型（LLM）的最新研究，涵盖了指令调整、人类对齐、代理、多模态等多个方面。研究者可以通过提交拉取请求更新他们的论文信息，参与社区的建设。项目内容详尽记录了LLM的训练、提示工程及其在各领域的应用挑战，为学术界和业界提供丰富的参考素材。用户可以通过该项目深入了解LLM的关键功能、主要优势及最新技术动态。

ChatAFL是一个基于AFLNet的协议模糊测试工具，利用大型语言模型（LLM）进行结构感知变异、丰富种子消息和突破状态覆盖。结合ProfuzzBench，实现无缝集成并提升状态和代码覆盖率，支持协议测试分析、实验数据生成和结果可视化，适用于需要高效和深入测试网络协议的研究和应用。

本页面汇总了微调大语言模型（如GPT、BERT、RoBERTa）的全面资源，适用于特定任务和领域的需求。包含教程、论文、工具、框架和最佳实践，为研究人员、数据科学家和机器学习从业者提供宝贵的指导，提升模型表现，优化工作流程。

OADS是一款基于微软Autogen的开发工具，利用OpenAI代理生成游戏和程序。尽管项目尚在开发阶段，但优化方向明确，包括缓存、逐步处理和对话拆分等，支持GPT-4 API，适用于生成复杂应用。用户需配置API密钥，同时关注使用成本。该项目提供详细的安装、配置和运行指南，支持多种模型和开放源代码的LLM。

Unify通过统一接口简化了不同提供商Large Language Models（LLM）的使用，无需管理多个API密钥或处理不同格式。用户可以通过自定义测试和评估，优化模型质量、成本和速度，并实现最佳模型路由，快速部署应用。安装包并获取API密钥后，即可管理模型、提供商与端点，自定义提示、多消息发送及异步处理和流式响应。更多详情，请访问Unify文档。

此项目展示了多种创建类似ChatGPT体验的方法，支持企业自有数据。通过Azure OpenAI服务访问ChatGPT模型，并利用Pinecone、Redis等向量存储或Azure认知搜索实现数据索引与检索。用户可以上传数据进行端到端测试。功能更新包括高效聊天、实时流、问答和管理功能的重构，多模态模式和高级评估技术的初步版本，以及根据最佳实践配置认知搜索类型。丰富的功能和更新确保出色的性能与用户体验。

该项目是一个基于 Java 的 LLM 应用框架，包含 LLM 访问、提示模板、函数调用、内存管理、嵌入和向量存储、资源加载器和文档处理等功能模块，支持 OpenAi、Qwen 和 SparkAi 等多种 LLM 进行对话交互。框架还支持顺序链、并行链、循环链及各类链节点，适用于复杂应用场景。用户可通过简单代码示例快速上手。

该项目使用Nextjs展示大型语言模型（LLM）的富文本响应，包括Markdown格式、Mermaid图表和LaTeX方程。示例展示了使用甘特图了解何时种植蔬菜和使用饼图查看票房最高的电影。主要技术包括Nextjs、Vercel AI、remark、mermaid和latex.js等。克隆项目，安装依赖后便可在浏览器中运行，并使用OpenAI API Key进行操作。

本指南详细介绍如何在Google Colab上使用和集成多种大语言模型(LLMs)，如AutoGPT、ChatGenTitle、GroundedSAM、MiniGPT-4、LangChain等流行模型。提供了丰富的链接和实际案例，帮助研究人员和开发者优化、部署和评估这些模型，提高使用效率。

GPT RSS项目使用Vue3和Vant UI组件库，支持PC和移动端，提供搜索和筛选功能。项目通过Node.js定时任务每日更新文章，涵盖AIGC、GPT和LLM领域内容。用户可在线浏览或通过备用网站访问，并可贡献优质公众号或订阅号。感谢Front End RSS与RSSHub的支持。

JioNLP 是一个专为自然语言处理开发者设计的工具包，提供高效的预处理和解析功能。功能包括车牌号解析、时间语义解析、关键短语抽取、文本清理和数据增强。还包含 MELLM 算法，用于评估大语言模型。安装 JioNLP 后，开发者可以快速上手，提升其 NLP 研究和应用效果。

Embedbase提供易用的API，支持在无需托管的情况下使用VectorDB和多种大模型（LLM）。其核心功能包括文本生成和语义搜索，适用于推荐引擎、智能合约集成和文档交互。通过NPM安装并使用JavaScript SDK快速开始。访问文档获取教程与最佳实践，或加入Discord社区获取支持。

本页面介绍2023版深度学习实验课程，包括理论与实践内容。涵盖监督学习、多层感知器、优化、正则化、卷积神经网络、变压器、自编码器、生成对抗网络和大型语言模型等主题，并提供开发环境、Python、Numpy、PyTorch及Gradio的实践指南。所有文档和代码示例在GitHub上提供，帮助学习者掌握深度学习技术。

Cursive是一个兼容性强且用户体验友好的框架，专注于与大型语言模型（LLM）的互动。适用于各种JavaScript运行环境，包括浏览器、Node.js和Cloudflare Workers，并通过WindowAI安全引入用户凭证和模型。框架高扩展性，支持记录、缓存、修改结果和描述函数，兼容GPT-4、GPT-3.5等多种模型。内置令牌使用和成本计算，具备自动重试和模型扩展功能，保障可靠性和灵活性。

Heat是一款开源的iOS和macOS客户端，支持与OpenAI、Mistral、Anthropic等热门LLM平台交互，还能够本地运行Ollama的开源LLM。其他功能包括图像生成（如Stable Diffusion和Dall-e）、多步工具操作、网页搜索与浏览、日历读取与理解、文件系统搜索（仅限桌面版）、基本内存持久化等，无需依赖服务器。用户可通过TestFlight或本地构建运行Heat，目标是让更多人体验开源LLM的强大功能。

RAGFlow是一个基于深度文档理解的开源RAG引擎，适用于各种规模的企业。结合大型语言模型，它提供可靠的问答功能和可信的引用。RAGFlow支持多种数据格式，包括文本、图片和音频文件，并且兼容本地和远程LLM，提供自动化、无缝集成的RAG工作流，便于通过直观的API进行业务整合。