#language-models Repositories
Entdecke 33 aktive Open-Source-GitHub-Repositories, die mit #language-models getaggt sind und insgesamt 58,348 Sterne gesammelt haben (durchschnittlich 1,768 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist bigscience-workshop/petals mit 9,864 Sternen.
Insgesamt 33 Repositories
LLMs zu Hause ausführen, im BitTorrent-Stil. Fine-Tuning und Inferenz bis zu 10x schneller als beim Offloading.
Beispiele, End-to-End-Anleitungen und Anwendungen, die mit den Liquid AI Foundational Models (LFM) und dem LEAP SDK erstellt wurden
Große Konzeptmodelle: Sprachmodellierung in einem Satzrepräsentationsraum
[Paper-Liste] Papiere, die Wissensgraphen (KGs) und große Sprachmodelle (LLMs) integrieren
Erklären, analysieren und visualisieren Sie NLP-Sprachmodelle. Ecco erstellt interaktive Visualisierungen direkt in Jupyter Notebooks, die das Verhalten von Transformer-basierten Sprachmodellen (wie GPT2, BERT, RoBERTa, T5 und T0) erklären.
Erzwingen Sie das Ausgabeformat (JSON-Schema, Regex usw.) eines Sprachmodells
Inoffizielle API-Wrapper für Perplexity.ai + Kontengenerator mit Weboberfläche
Offizielle PyTorch-Implementierung von Learning to (Learn at Test Time): RNNs mit ausdrucksstarken verborgenen Zuständen
Das offizielle GitHub-Repository für den Übersichtsartikel „A Survey on Diffusion Language Models“.
LangChain- und Prompt-Engineering-Tutorials zu Large Language Models (LLMs) wie ChatGPT mit benutzerdefinierten Daten. Jupyter-Notebooks zum Laden und Indizieren von Daten, Erstellen von Prompt-Vorlagen, CSV-Agenten und Verwenden von Retrieval-QA-Ketten zum Abfragen benutzerdefinierter Daten. Projekte zur Verwendung eines privaten LLM (Llama 2) für den Chat mit PDF-Dateien, Tweet-Sentiment-Analyse.
💁 Schatzkiste voller Transformer-Modelle für Natural Language Processing enthält Arbeiten, Videos, Blogs, offizielle Repos und Colab-Notebooks. 🛫☑️
Eine einfache und benutzerfreundliche Bibliothek für die Interaktion mit der Ollama API.
Ein API-kompatibler Drop-in-Ersatz für Apples Foundation Models Framework mit Unterstützung für benutzerdefinierte Sprachmodell-Anbieter.
[ICLR 2025] Samba: Einfache hybride Zustandsraummodelle für effizientes Sprachmodellieren mit unbegrenztem Kontext
Inferenzcode für das Paper "Spirit-LM Interleaved Spoken and Written Language Model".
PhoBERT: vortrainierte Sprachmodelle für Vietnamesisch (EMNLP-2020 Findings)
Offizielle Implementierung für HyenaDNA, ein langage-genomisches Basismodell, das mit Hyena erstellt wurde
Kleiner GPT, von Grund auf in reinem Go implementiert. Optimiert für das Verständnis. Trainiert auf Büchern von Jules Verne.
JailbreakBench: Ein offener Robustheits-Benchmark für das Jailbreaking von Sprachmodellen [NeurIPS 2024 Datasets and Benchmarks Track]
Happy Transformer erleichtert das Fein-Tuning und die Inferenz mit NLP-Transformer-Modellen.
PromptInject ist ein Framework, das Prompts modular zusammenstellt, um eine quantitative Analyse der Robustheit von LLMs gegenüber adversariellen Prompt-Angriffen zu ermöglichen. 🏆 Auszeichnung als bestes Paper beim NeurIPS ML Safety Workshop 2022
🕵️♂️ Bibliothek, die für Entwickler entwickelt wurde, die das Potenzial großer Sprachmodelle (LLM) und anderer generativer KI auf eine saubere, effektive und Go-idiomatische Weise erkunden möchten.
Häufig gestellte Fragen
Welches ist das beliebteste #language-models-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#language-models-Projekt auf GitHub ist bigscience-workshop/petals mit 9,864 Sternen. LLMs zu Hause ausführen, im BitTorrent-Stil. Fine-Tuning und Inferenz bis zu 10x schneller als beim Offloading.
Welche Programmiersprachen werden in #language-models-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #language-models-Projekten auf GitHub sind Python, Jupyter Notebook, Go, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #language-models-Repositories berechnet?
Wir verfolgen 33 aktive Open-Source-Repositories, die mit #language-models getaggt sind (500+ Sterne), mit insgesamt 58,348 Sternen und durchschnittlich 1,768 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.