#long-context Repository
Scopri 21 repository GitHub open source attivi contrassegnati con #long-context, che raccolgono un totale di 35,835 stelle (con una media di 1,706 stelle per progetto). Il progetto leader di questo argomento è InternLM/InternLM, con 7,280 stelle.
21 repository in totale
Rilascio ufficiale della serie InternLM (InternLM, InternLM2, InternLM2.5, InternLM3).
[ICLR 2024] Modelli Linguistici Efficienti in Streaming con Pozzi di Attenzione
[TPAMI 2026🔥] Helios: modello per la generazione di video lunghi davvero in tempo reale
[ICLR 2025] LongWriter: Rilascio di oltre 10.000 parole da LLM con contesto esteso
Il manuale di competenze per il miglioramento ricorsivo di sé (RSI). L’ultima dimostrazione di NVIDIA, analizzata con principi ingegneristici senza tempo. Sintetizzato dal metodo senza intervento del vincitore dell’hackathon di OpenAI sull’harness engineering.
Inferenza locale con un comportamento simile a quello di un’API all’avanguardia: Qwen3.8-Flash-Next su AMD Strix Halo, insieme a piccoli modelli NPU, tramite le API di OpenAI e Anthropic su un’unica porta.
Kimi-VL: Modello Vision-Language Mixture-of-Experts per il Ragionamento Multimodale, la Comprensione del Lungo Contesto e Forti Capacità di Agente
Modelli open di livello frontier su una TPU v5e-8 gratuita di Kaggle: GLM-5.3-Flash 320B MoE (~165 token/s, con il nostro motore JAX) e Qwen3.8-27B bf16 (~130 token/s), contesto da 262k e caching dei prefissi. Funziona con Claude Code, Codex, opencode e pi.
Verificatore online: veridrop.app | Strumento di verifica dei relay API di IA: verifica dei relay Claude, OpenAI e Gemini, verifica dell’autenticità dei relay, verifica del contesto lungo, verifica delle firme di ragionamento, lista rossa e nera dei relay, self-hosted e open source.
LoCoMo perfezionato: ricalibrazione di LoCoMo con una valutazione LLM più rigorosa e un set di dati ripulito.
Implementazione di MEGABYTE, Previsione di sequenze da un milione di byte con trasformatori multiscala, in Pytorch
Implementazione di 💍 Ring Attention, di Liu et al. del Berkeley AI, in Pytorch
KVarN è un backend nativo di vLLM per la quantizzazione della cache KV dei tuoi agenti: da 3 a 5 volte più contesto, throughput superiore a FP16 e accuratezza di livello FP16. Senza calibrazione, basta un flag.
LongCite: Consentire agli LLM di generare citazioni granulari nel QA a contesto lungo
Domande frequenti
Qual è il repository #long-context più popolare su GitHub?
Il progetto open source #long-context più alto in classifica su GitHub è InternLM/InternLM, con 7,280 stelle. Rilascio ufficiale della serie InternLM (InternLM, InternLM2, InternLM2.5, InternLM3).
Quali linguaggi di programmazione sono più utilizzati nei repository #long-context?
Tra i progetti #long-context più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, JavaScript, Shell.
Come viene calcolata la classifica dei repository #long-context?
Monitoriamo 21 repository open source attivi contrassegnati con #long-context (500+ stelle), per un totale di 35,835 stelle e una media di 1,706 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.