#large-language-models Repositories
Insgesamt 1,249 Repositories
LLM-Algorithmen und -Systeme praxisnah mit PyTorch, Triton und CUDA. „Tutorial zu LLM-Algorithmen und -Systemen“: Modellarchitekturen und Training, Post-Training, Inferenzbeschleunigung, Leistungs- und Operatoroptimierung – inklusive Notebook-Übungen, Antworterklärungen, Tests und Experimenten.
[ICML 2024] Offizielles Repository für „Language Agent Tree Search Unifies Reasoning Acting and Planning in Language Models“
Skalierung von Deep Research durch Reinforcement Learning in realen Umgebungen.
VoxPoser: Komponierbare 3D-Werteabbildungen für die Robotermanipulation mit Sprachmodellen
Baue dein eigenes X - Meistere maschinelles Lernen, indem du alles von Grund auf neu erstellst. Es zielt darauf ab, alles von linearer Regression über Deep Learning bis hin zu großen Sprachmodellen (LLMs) abzudecken.
✨✨[CVPR 2025] Video-MME: Der allererste umfassende Bewertungsbenchmark für multimodale LLMs in der Videoanalyse
Modellzusammenführung in LLMs, MLLMs und darüber hinaus: Methoden, Theorien, Anwendungen und Möglichkeiten. ACM Computing Surveys, 2026.
Modelkomprimierungs-Toolbox für große Sprachmodelle und Diffusionsmodelle
FinMem: Ein LLM-Trading-Agent mit verbesserter Leistung, geschichtetem Gedächtnis und Charakterdesign
CMMLU: Messung des massiven Sprachverständnisses für mehrere Aufgaben im Chinesischen
💬 Ein Vorschlag für eine Web-API zur Ansteuerung von sprachmodellen, die vom Browser bereitgestellt werden
Taktile Wahrnehmung • Datenerfassung • IL/RL/VLA/WM • Manipulation • Simulation • Open Source
Ein systematisches Tutorial zur Entwicklung von KI-Agenten, das LLM-Agenten, RAG, Tool-Nutzung, Gedächtnissysteme, Multi-Agenten-Systeme, LangChain, LangGraph, MCP und agentisches RL abdeckt. | KI-Agenten-Entwicklung von Grund auf lernen | Systematisches, umfassendes und praxisorientiertes Agenten-Entwicklungs-Tutorial | Tägliche automatische Verfolgung der neuesten arXiv-Papiere
[TMLR 2025] Schluss mit übermäßigem Nachdenken: Eine Umfrage über effizientes Schlussfolgern für große Sprachmodelle
ESP32-basiertes Gerät, hauptsächlich verwendet für Voice-Chats mit großen Sprachmodellen
parrot.nvim 🦜 - das Plugin, das stochastische Papageien nach Neovim bringt.
Die Arbeiten sind gemäß unserer Umfrage organisiert: Evaluating Large Language Models: A Comprehensive Survey.
„EasyOffer“ ( <Sammlung von Interviewerfahrungen mit großen Modellen> ) ist ein Leitfaden für Sommerpraktika für große Modelle, der speziell für LLM-Babys entwickelt wurde und hauptsächlich einige häufige Code-Reißübungen von großen Unternehmen, Interviewerfahrungen von großen Unternehmen und häufige Denkaufgaben von großen Unternehmen für die Vorbereitung auf Sommerpraktika und den Herbst-Recruiting von großen Modellen aufzeichnet; ich bin ein Anfänger und lerne gerade...... Wenn Sie Fragen haben, korrigieren Sie mich jederzeit, liebe Meister, ich hoffe, jeder kann das gewünschte Angebot erhalten!
Beispiele, wie mit Spring AI und Spring Boot Java-Anwendungen, die mit generativer KI und LLMs betrieben werden, erstellt werden.
Lokaler Sprach-Chatbot für ansprechende Gespräche, angetrieben von Ollama, Hugging Face Transformers und Coqui TTS Toolkit
Von Grund auf implementiertes Sparse Mixture of Experts Sprachmodell, inspiriert von Andrej Karpathys makemore :)
Ein KI-gestützter Lesemanager mit Drei-Spalten-Design, der Notizen, Lesen und Konversation auf demselben Bildschirm gleichzeitig ermöglicht und so das tiefe Lesen effizienter macht.
KI-Prompt-Engineering-Workbench zum Erstellen, Testen und systematischen Bewerten von Prompts mit leistungsstarken Analysetools.
ToolOrchestra ist ein End-to-End-RL-Trainings-Framework zur Orchestrierung von Tools und agentischen Workflows.
MM-EUREKA: Erkundung der Grenzen multimodaler Schlussfolgerung mit regelbasierter Verstärkungslernen
LLMs können Feedback zu ihrer Arbeit generieren, es zur Verbesserung der Ausgabe nutzen und diesen Prozess iterativ wiederholen.
Dateien für die Retrieval Augmented Generation (RAG) mit Open-Source Large Language Models (LLMs) ingestieren, alles ohne dass Drittanbieter oder sensible Daten Ihr Netzwerk verlassen.
Papierliste zu multimodalen und großen Sprachmodellen, die nur zur Aufzeichnung gelesener Papiere im täglichen Arxiv für persönliche Bedürfnisse verwendet wird.
LLaVA-Plus: Große Sprach- und Sehassistenten, die sich anschließen und lernen, Fähigkeiten zu nutzen
Implementierung von KI-Chat-bezogenen Funktionen mit Unity. Diese Bibliothek enthält derzeit Code-Implementierungen für API-Aufrufe an große Sprachmodelle wie ChatGPT und ChatGLM sowie die Implementierung von Sprachdiensten von Microsoft Azure und Baidu AI. Die Sprachdienste verwenden Web-APIs und unterstützen Plattformen wie Windows/WebGL/Android.