#responsible-ai Dépôts
Découvrez 25 dépôts GitHub open source actifs associés à #responsible-ai, cumulant 138,861 étoiles au total (soit une moyenne de 5,554 étoiles par projet). Le projet en tête de ce thème est ifixai-ai/iFixAi, avec 46,592 étoiles.
25 dépôts au total
Audit indépendant des agents IA. Exécuté par un humain ou par l'agent lui-même, pour répondre à la question la plus cruciale de l'économie des agents IA : l'agent fait-il ce qu'il est censé faire ? Avec iFixAi, vous pouvez obtenir cette réponse en moins de 120 secondes.
Une liste curated de bibliothèques open source géniales pour déployer, surveiller, versionner et scaler votre machine learning
😈Awful AI est une liste curated pour suivre les usages effrayants actuels de l'IA - dans l'espoir de sensibiliser
Boîte à outils open source de Microsoft pour le red teaming de l’IA. Testez des systèmes d’IA générative à l’aide d’analyses automatisées, d’attaques adaptatives à plusieurs tours et d’une interface web.
Synapsa Commons : des cours d’IA gratuits et pratiques, exécutables partout (Colab, Kaggle, Binder, Codespaces, Jupyter). Éléments probants de conformité à la législation européenne sur l’IA, validation des modèles, maintenance prédictive, extraction de documents, recherche et RAG, agents d’IA et MCP, ainsi qu’un humanoïde simulé. Chaque leçon est évaluée automatiquement. Par l’équipe qui développe Synapsa.
Un package Python pour évaluer et améliorer l'équité des modèles d'apprentissage automatique.
Responsible AI Toolbox est une suite d'outils fournissant des interfaces utilisateur et des bibliothèques pour l'exploration et l'évaluation des modèles et des données qui permettent une meilleure compréhension des systèmes d'IA. Ces interfaces et bibliothèques permettent aux développeurs et aux parties prenantes des systèmes d'IA de développer et de surveiller l'IA de manière plus responsable, et de prendre de meilleures mesures basées sur les données.
Centre d'information pour notre projet de formation des plus grands LLM historiques possibles.
Tous les liens, livres et créateurs dont vous avez besoin pour rester à jour avec l’IA !
Une compétence d’analyse réutilisable comprenant 15 cas fondés sur des données publiques. Définissez la décision et les ressources disponibles, testez des méthodes concurrentes sur les mêmes éléments probants et livrez un rapport qui relie chaque constat à ses données et à son calcul.
Un détecteur de texte IA open source permettant d’identifier le contenu généré par l’IA dans les dissertations, les articles et les documents. Il prend en charge la détection au niveau du document et de la phrase, avec une classification du contenu humain, généré par l’IA ou mixte, des résultats explicables et le développement de modèles multilingues.
Un référentiel de ressources pour le désapprentissage automatique dans les grands modèles de langage
[ICML 2024] TrustLLM : évaluation de la fiabilité des LLM selon les critères de véracité, de sécurité, d’équité, de robustesse, de confidentialité et d’éthique. Boîte à outils Python/CLI pour les modèles locaux, les API compatibles et l’orchestration d’agents d’IA.
☁️ Nuage (KULLM) : un LLM développé par la Korea University et spécialisé pour la langue coréenne
Foire aux questions
Quel est le dépôt #responsible-ai le plus populaire sur GitHub ?
Le projet #responsible-ai open source le mieux classé sur GitHub est ifixai-ai/iFixAi, avec 46,592 étoiles. Audit indépendant des agents IA. Exécuté par un humain ou par l'agent lui-même, pour répondre à la question la plus cruciale de l'économie des agents IA : l'agent fait-il ce qu'il est censé faire ? Avec iFixAi, vous pouvez obtenir cette réponse en moins de 120 secondes.
Quels langages de programmation sont les plus utilisés dans les dépôts #responsible-ai ?
Parmi les projets #responsible-ai les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, Jupyter Notebook.
Comment le classement des dépôts #responsible-ai est-il calculé ?
Nous suivons 25 dépôts open source actifs associés à #responsible-ai (500+ étoiles), totalisant 138,861 étoiles, avec une moyenne de 5,554 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.