#large-language-models Repositories
Insgesamt 1,249 Repositories
DeMCP ist das erste dezentrale MCP-Netzwerk und bietet SSE-Proxys für MCP-Dienste und Mainstream-LLMs, die Vertrauen und Sicherheit mit TEE und Blockchain angehen.
MCP-Universe ist ein umfassendes Framework, das für RL-Training, Benchmarking und die Entwicklung von KI-Agenten für den allgemeinen Werkzeuggebrauch entwickelt wurde.
Dies ist das offizielle Repository des Papers „LAMBDA: A Large Model Based Data Agent“. https://www.polyu.edu.hk/ama/cmfai/lambda.html
Code und Datensätze für "Character-LLM: Ein trainierbarer Agent für Rollenspiele"
Dieses Repository enthält den Evaluierungscode für das Paper „MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI“
Das offizielle Repo für die Arbeit, LLMs-as-Judges: Eine umfassende Umfrage zu LLM-basierten Bewertungsmethoden.
Eine kuratierte Sammlung von Papieren und Ressourcen zur On-Policy-Destillation für große Sprachmodelle.
Vollautomatischer Workflow für KI-Roman-Promotion, automatisch von der ID zum Video
Das offizielle Repository des Papers „(Perhaps) Beyond Human Translation: Harnessing Multi-Agent Collaboration for Translating Ultra-Long Literary Texts“
In Generative KI mit großen Sprachmodellen (LLMs) lernen Sie die Grundlagen, wie generative KI funktioniert und wie Sie sie in realen Anwendungen einsetzen.
KI-Schreibagent, betrieben von kimi-k2-thinking – erstellt autonom Romane und Geschichten mit tiefgründiger Argumentation
Bewährte Verfahren für die Destillation großer Sprachmodelle.
🚀🚀 Effiziente Implementierungen von nativer Sparse Attention
SelfCheckGPT: Zero-Resource Black-Box Halluzinationserkennung für generative große Sprachmodelle
appbuilder-sdk, Das Qianfan AppBuilder-SDK hilft Entwicklern, KI-native Anwendungen flexibel und schnell zu erstellen
Chain-of-Agents: End-to-End Agenten-Grundlagenmodelle mittels Multi-Agenten-Destillation und Agentic RL.
[ECCV2024] Geerdetes multimodales großes Sprachmodell mit lokalisierter visueller Tokenisierung
Meta Agents Research Environments ist eine umfassende Plattform zur Evaluierung von KI-Agenten in dynamischen, realistischen Szenarien. Im Gegensatz zu statischen Benchmarks führt diese Plattform sich entwickelnde Umgebungen ein, in denen Agenten ihre Strategien anpassen müssen, sobald neue Informationen verfügbar werden, was die Herausforderungen der realen Welt widerspiegelt.
⚡ Unglaublich schneller KI-Sprachassistent mit Antwortzeiten von <500 ms
Inference-Time Intervention: Wahrheitsgemäße Antworten von einem Sprachmodell hervorrufen
Codierung eines multimodalen (Vision) Sprachmodells von Grund auf in PyTorch mit vollständiger Erklärung: https://www.youtube.com/watch?v=vAmKB7iPkWw
Ein intelligenter Codierungsassistent-Plugin für Visual Studio Code, entwickelt auf Basis von CodeShell
Ein Microkernel-Multi-Agenten-System-Framework für adaptive soziale Simulationen, angetrieben von LLMs
Ein flexibles, adaptives Klassifizierungssystem für die dynamische Textklassifizierung
Nächstes Paradigma für LLM-Agenten. Vereinheitlichung von Plan und Aktion durch rekursive Codegenerierung für adaptive, menschenähnliche Entscheidungsfindung.
Wandeln Sie ein gesamtes GitHub-Repository in eine einzige, organisierte .txt-Datei um, die Sie mit LLMs (ChatGPT, Claude, Gemini usw.) verwenden können.
[ICLR 2026] Ein Framework für LLM-basiertes verstärktes Training und Inferenz mit mehreren Agenten
LLaVA-Mini ist ein einheitliches großes multimodales Modell (LMM), das Bilder, hochauflösende Bilder und Videos auf effiziente Weise verstehen kann.
"ICML 2025" "SepLLM: Beschleunigung großer Sprachmodelle durch Komprimierung eines Segments in einen Separator"
Feinabstimmung von LLMs (Large Language Models)
[ICML'24 Spotlight] "TravelPlanner: Ein Benchmark für reale Planung mit Sprachagenten"