#large-language-models 저장소
저장소 총 1,249개
MultiAgentPPT는 A2A(Agent2Agent) + MCP(Model Context Protocol) + ADK(Agent Development Kit) 아키텍처를 통합한 지능형 프레젠테이션 생성 시스템으로, 다중 에이전트 협업과 스트리밍 동시 메커니즘을 지원합니다.
WhisperFusion은 WhisperLive 및 WhisperSpeech의 기능을 기반으로 AI와의 원활한 대화를 제공합니다.
콘텐츠 기획, AI 카피 자동 생성, TTS 대량 자동 더빙, (AI) 이미지 자료 합성, ASR 자동 언어 자막 스크립트 추출, AI 자유 창작을 한데 모은 (숏폼 비디오) 생성 워크스테이션입니다. 매회 비디오 프로젝트 관리가 편리합니다.
"A Survey on Evaluation of Large Language Models" 설문 조사 논문의 공식 GitHub 페이지입니다.
100개 이상의 회사에서 제공하는 500개 이상의 실제 ML 및 LLM 시스템 설계 사례 연구 모음입니다. 최고의 기술 회사들이 프로덕션에서 GenAI를 구현하는 방법을 알아보세요.
Alibaba Cloud에서 개발한 LLM 및 VLM 대규모 학습을 위한 Pai-Megatron-Patch의 공식 저장소입니다.
커뮤니티에서 가장 포괄적이고 지속적으로 업데이트되는 대규모 언어 모델(LLM)을 이용한 소프트웨어 취약점 탐지 연구 인덱스 — 함수 수준, 저장소 수준, 에이전트 기반, 스마트 계약 탐지에 이르는 논문과 데이터셋, 벤치마크, 설문조사를 포함합니다.
DuckDuckGo를 통해 웹 검색 기능을 제공하고 콘텐츠 검색 및 구문 분석을 위한 추가 기능을 갖춘 Model Context Protocol(MCP) 서버입니다.
이 리포지토리에는 OpenScholar: Retrieval-augmented LMs를 사용한 과학 문헌 합성에 대한 공식 구현이 포함되어 있습니다.
Survey: 대규모 언어 모델(LLM) 관련 추천 시스템 주제에 대한 환상적인(AWESOME) 논문 및 리소스 모음입니다.
Terraform MCP 서버는 Terraform 생태계와 원활하게 통합되어 Infrastructure as Code (IaC) 개발을 위한 고급 자동화 및 상호 작용 기능을 지원합니다.
Neovate Code는 개발을 향상시키는 코드 에이전트입니다. 코드를 생성하고, 버그를 수정하고, 코드를 검토하고, 테스트를 추가하는 등 다양한 용도로 사용할 수 있습니다. 대화형 모드 또는 헤드리스 모드에서 실행할 수 있습니다.
ChatArena(또는 Chat Arena)는 LLM을 위한 다중 에이전트 언어 게임 환경입니다. 목표는 AI의 커뮤니케이션 및 협업 능력을 개발하는 것입니다.
2025년 전체 네트워크를 위한 최고의 플러그 앤 플레이 모듈, 무료 공유! CVPR2025, AAAI2025, ICLR2025, TNNLS2025, arXiv2025...... 기계 학습, 딥 러닝 등 인공지능 전 분야 포함, 이미지 분류, 객체 탐지, 인스턴스 분할, 의미 분할, 파놉틱 분할, 자세 추정, 의료 영상 분할, 비디오 객체 분할, 이미지 배경 제거, 이미지 편집, 단일 객체 추적, 다중 객체 추적, 보행자 재식별, RGBT, 이미지 노이즈 제거, 비 제거, 안개 제거, 그림자 제거, 흐림 제거, 초해상도, 반사 제거, 모아레 패턴 제거, 이미지 복원, 이미지 복구, 초분광 이미지 복원, 이미지 융합, 이미지 채색, HDR(High Dynamic Range) 이미징, 비디오 및 이미지 압축, 3D 포인트 클라우드, 3D 객체 탐지, 3D 의미 분할, 3D 자세 추정 등 다양한 컴퓨터 비전 및 이미지 처리 작업, 그리고 자연어 처리, 대규모 언어 모델, 멀티모달 등 기타 인공지능 관련 작업. 지속적으로 업데이트 중......
본 프로젝트는 지식 그래프 RAG와 거대 언어 모델을 기반으로 한 의료 지능형 질의응답 시스템을 설계 및 구현하였습니다. DiseaseKG 의료 데이터셋을 기반으로 Neo4j를 활용하여 4만 4천 개의 엔티티와 31만 개의 관계를 포함하는 도메인 지식 그래프를 구축하였습니다. BERT 기반의 개체명 인식과 32B 모델의 의도 인식을 결합하여, 정밀한 그래프 검색과 제어된 답변 생성을 통해 의료 환경에서 거대 모델의 환각 문제를 효과적으로 완화하고 답변의 정확성과 신뢰성을 크게 향상시켰습니다.