#responsible-ai Repositories
Entdecke 25 aktive Open-Source-GitHub-Repositories, die mit #responsible-ai getaggt sind und insgesamt 138,861 Sterne gesammelt haben (durchschnittlich 5,554 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist ifixai-ai/iFixAi mit 46,592 Sternen.
Insgesamt 25 Repositories
Unabhängige Prüfung von KI-Agenten. Durchgeführt von Menschen oder dem Agenten selbst, um die wichtigste Frage in der KI-Agenten-Ökonomie zu beantworten: Tut der Agent das, was er tun soll? Mit iFixAi erhalten Sie diese Antwort in weniger als 120 Sekunden.
Eine kuratierte Liste toller Open-Source-Bibliotheken zum Bereitstellen, Überwachen, Versionieren und Skalieren Ihres Machine Learning
😈Awful AI ist eine kuratierte Liste, um aktuelle gruselige Anwendungen von KI zu verfolgen – in der Hoffnung, Bewusstsein zu schaffen
Open-Source-Toolkit von Microsoft für KI-Red-Teaming. Testen Sie generative KI-Systeme mit automatisierten Scans, adaptiven Angriffen über mehrere Runden und einer Weboberfläche.
Synapsa Commons: kostenlose, praxisorientierte KI-Kurse, die überall ausgeführt werden können (Colab, Kaggle, Binder, Codespaces, Jupyter). Konformitätsnachweise gemäß dem EU-KI-Gesetz, Modellvalidierung, vorausschauende Wartung, Dokumentenextraktion, Retrieval und RAG, KI-Agenten und MCP sowie ein simuliertes humanoides Wesen. Jede Lektion wird automatisch bewertet. Vom Team hinter Synapsa.
Ein Python-Paket zur Bewertung und Verbesserung der Fairness von Machine-Learning-Modellen.
Die Responsible AI Toolbox ist eine Suite von Tools, die Benutzeroberflächen und Bibliotheken für die Modell- und Datenexploration und -bewertung bereitstellt und ein besseres Verständnis von KI-Systemen ermöglicht. Diese Benutzeroberflächen und Bibliotheken befähigen Entwickler und Stakeholder von KI-Systemen, KI verantwortungsvoller zu entwickeln und zu überwachen und bessere datengesteuerte Maßnahmen zu ergreifen.
Informationszentrum für unser Projekt zur Schulung der größtmöglichen historischen LLMs.
Alle Links, Bücher und Creator, die Sie verfolgen müssen, um auf dem Laufenden zu bleiben!
Eine wiederverwendbare Analysekompetenz mit 15 Fällen auf Grundlage öffentlicher Daten. Definieren Sie die Entscheidung und die verfügbaren Ressourcen, testen Sie konkurrierende Methoden anhand derselben Evidenz und erstellen Sie einen Bericht, der jede Erkenntnis mit ihren Daten und ihrer Berechnung verknüpft.
Ein quelloffener KI-Textdetektor zur Erkennung von KI-generierten Inhalten in Aufsätzen, Artikeln und Dokumenten. Unterstützt die Erkennung auf Dokument- und Satzebene sowie die Klassifizierung in von Menschen verfasste, KI-generierte und gemischte Inhalte, mit erklärbaren Ergebnissen und der Entwicklung mehrsprachiger Modelle.
Ein Ressourcen-Repository für maschinelles Unlearning in großen Sprachmodellen
[ICML 2024] TrustLLM: Bewertung der Vertrauenswürdigkeit von LLMs hinsichtlich Wahrhaftigkeit, Sicherheit, Fairness, Robustheit, Datenschutz und Ethik. Python-/CLI-Toolkit für lokale Modelle, kompatible APIs und die Orchestrierung von KI-Agenten.
☁️ Wolke (KULLM): Ein von der Korea University entwickeltes LLM, das auf die koreanische Sprache spezialisiert ist
Häufig gestellte Fragen
Welches ist das beliebteste #responsible-ai-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#responsible-ai-Projekt auf GitHub ist ifixai-ai/iFixAi mit 46,592 Sternen. Unabhängige Prüfung von KI-Agenten. Durchgeführt von Menschen oder dem Agenten selbst, um die wichtigste Frage in der KI-Agenten-Ökonomie zu beantworten: Tut der Agent das, was er tun soll? Mit iFixAi erhalten Sie diese Antwort in weniger als 120 Sekunden.
Welche Programmiersprachen werden in #responsible-ai-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #responsible-ai-Projekten auf GitHub sind Python, TypeScript, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #responsible-ai-Repositories berechnet?
Wir verfolgen 25 aktive Open-Source-Repositories, die mit #responsible-ai getaggt sind (500+ Sterne), mit insgesamt 138,861 Sternen und durchschnittlich 5,554 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.