#llama3 Repository
Scopri 47 repository GitHub open source attivi contrassegnati con #llama3, che raccolgono un totale di 265,642 stelle (con una media di 5,651 stelle per progetto). Il progetto leader di questo argomento è hiyouga/LlamaFactory, con 76,171 stelle.
48 repository in totale
Il tuo secondo cervello AI. Auto-ospitabile. Ottieni risposte dal web o dai tuoi documenti. Crea agenti personalizzati, pianifica automazioni, fai ricerche approfondite. Trasforma qualsiasi LLM online o locale nella tua IA personale e autonoma (gpt, claude, gemini, llama, qwen, mistral). Inizia subito, gratis.
La "Guida al consumo di grandi modelli open source" è un tutorial su misura per i bambini cinesi per la messa a punto rapida (parametri completi/Lora) e il dispiegamento di grandi modelli open source (LLM)/grandi modelli multimodali (MLLM) nazionali e internazionali in un ambiente Linux.
🔥 MaxKB è una piattaforma open source per la creazione di agenti di livello aziendale. Una piattaforma di agenti aziendali open source potente e facile da usare.
Esegui LLM e VLM all'avanguardia localmente su dispositivi Qualcomm attraverso NPU, GPU e CPU con poche righe di codice
Firefly: Strumenti di addestramento per modelli di grandi dimensioni, supporta l'addestramento di modelli di grandi dimensioni come Qwen2.5, Qwen2, Yi1.5, Phi-3, Llama3, Gemma, MiniCPM, Yi, Deepseek, Orion, Xverse, Mixtral-8x7B, Zephyr, Mistral, Baichuan2, Llma2, Llama, Qwen, Baichuan, ChatGLM2, InternLM, Ziya2, Vicuna, Bloom, ecc.
Una libreria C#/.NET per eseguire in modo efficiente LLM (🦙LLaMA/LLaVA) sul tuo dispositivo locale.
1 chiave API. Oltre 220.000 modelli di IA. Bytz è l'API di inferenza di modelli serverless più grande di Internet. Costruiamo ✨
Inferenza LLM distribuita. Collega i dispositivi domestici in un potente cluster per accelerare l'inferenza LLM. Più dispositivi significano inferenza più veloce.
Framework dati per le tue applicazioni LLM. Focalizzato sulla soluzione lato server.
Uno strumento di gestione file basato sull'IA che garantisce la privacy organizzando testi e immagini locali. Utilizzando i modelli Llama3.2 3B e Llava v1.6 con Nexa SDK, scansiona, ristruttura e organizza intuitivamente i file per un accesso rapido e fluido e un facile recupero.
Un'interfaccia utente terminale scattante e incentrata sulla tastiera per interagire con modelli linguistici di grandi dimensioni. Chatta con ChatGPT, Claude, Llama 3, Phi 3, Mistral, Gemma e altri.
Una CLI Node.js che utilizza modelli Ollama e LM Studio (Llava, Gemma, Llama ecc.) per rinominare intelligentemente i file in base ai loro contenuti
Progetto fase tre di Chinese Llama alpaca LLM (Chinese Llama-3 LLMs) sviluppato da Meta Llama 3
Scaffale Illimitato: Genera libri interi in pochi secondi usando Groq e Llama3
Una nuova architettura Multimodal Large Language Model (MLLM), progettata per allineare strutturalmente gli embedding visivi e testuali.
StockBot powered by Groq: Chatbot AI fulmineo che risponde con grafici azionari interattivi in tempo reale, dati finanziari, notizie, screener e altro ancora. Basato su Llama3-70b su Groq, Vercel AI SDK e widget TradingView.
Implementazione dell'applicazione con casi d'uso aziendali per l'utilizzo sicuro dell'IA generativa nelle operazioni aziendali
🚀 Libreria di addestramento nativo distribuito Pytorch per LLM/VLM con supporto immediato per Hugging Face
[NeurIPS 2023] LLM-Pruner: Sul potatura strutturale di grandi modelli linguistici. Supporto per Llama-3/3.1, Llama-2, LLaMA, BLOOM, Vicuna, Baichuan, TinyLlama, ecc.
Estensione Raycast per utilizzare GPT, Claude, Llama e altro ancora... tutto GRATIS! + Pieno supporto per API personalizzate.
Agents-flex è un framework leggero per lo sviluppo di agenti IA in Java (posizionato come controparte di Spring AI). Supporta funzionalità come RAG, MCP, Skills, Text2SQL, LLM Wiki, sotto-agenti, ricerca web, TTS (sincrono e in streaming) e STT.
AWS AI Stack – Un progetto boilerplate full-stack pronto all'uso per la creazione di applicazioni AI serverless su AWS
[ICLR 2025] Sintesi di Dati di Allineamento da Zero tramite Prompting di LLM Allineati senza Imput. La tua pipeline efficiente e di alta qualità per la generazione di dati sintetici!
🔥🔥 LLaVA++: Estendere LLaVA con Phi-3 e LLaMA-3 (LLaVA LLaMA-3, LLaVA Phi-3)
Distribuisci qualsiasi modello AI, agente, database, RAG e pipeline localmente o da remoto in pochi minuti
Fine-tuning facile ed efficiente di LLM. (Supporta LLama, LLama2, LLama3, Qwen, Baichuan, GLM, Falcon) Addestramento e implementazione quantizzati efficienti di grandi modelli.
Raccolta di articoli ICLR e progetti open source degli anni precedenti, inclusi ICLR2021, ICLR2022, ICLR2023, ICLR2024, ICLR2025.
Reclutamento scolastico, autunnale, primaverile, ottimi progetti di stage, ti guida a realizzare da zero un framework di inferenza per grandi modelli che supporta Llama2/3 e Qwen2.5.
Progetti industriali generativi di AI end-to-end su modelli LLM con Deployment_Awesome LLM Projects
Assistente basato sull'intelligenza artificiale per aiutarti nelle tue attività quotidiane, basato su Llama 3, DeepSeek R1 e molti altri modelli su HuggingFace.
ScribeWizard: Genera note organizzate dall'audio utilizzando Groq, Whisper e Llama3
Un sistema di inferenza ad alte prestazioni per modelli linguistici di grandi dimensioni, progettato per ambienti di produzione.
Esegui LLM locali come Gemma, Qwen e LLaMA su Android per chat e risposte alle domande in tempo reale, offline e private, con LiteRT e ONNX Runtime.
Domande frequenti
Qual è il repository #llama3 più popolare su GitHub?
Il progetto open source #llama3 più alto in classifica su GitHub è hiyouga/LlamaFactory, con 76,171 stelle. Fine-tuning unificato ed efficiente di oltre 100 LLM e VLM (ACL 2024)
Quali linguaggi di programmazione sono più utilizzati nei repository #llama3?
Tra i progetti #llama3 più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, TypeScript, JavaScript, C++.
Come viene calcolata la classifica dei repository #llama3?
Monitoriamo 47 repository open source attivi contrassegnati con #llama3 (500+ stelle), per un totale di 265,642 stelle e una media di 5,651 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.