#large-language-models 仓库
共 1,249 个仓库
精选的模型量化论文、基准测试、综述和工具集合,涵盖低比特网络、大语言模型、多模态与生成模型、矢量量化和格量化,以及高效部署。
verl-agent 是 veRL 的一个扩展,专为通过 RL 训练 LLM/VLM 代理而设计。verl-agent 也是论文 "Group-in-Group Policy Optimization for LLM Agent Training" 的官方代码。
一个响应迅速、以键盘为中心、用于与大型语言模型交互的终端用户界面。与 ChatGPT、Claude、Llama 3、Phi 3、Mistral、Gemma 等进行聊天。
Cradle框架是通用计算机控制(GCC)的首次尝试。Cradle通过在具有最低要求的标准化通用环境中实现强大的推理能力、自我改进和技能策展,支持代理完成任何计算机任务。
Deep Eye 协调多个 AI 提供商(OpenAI、Claude、Grok、Gemini、OLLAMA、Groq、Mistral、OpenRouter、LiteLLM、LM Studio)进行智能负载生成,扫描目标以发现 45 种以上的漏洞类型,并生成包含合规性映射的专业报告。
[ICLR 2025] 从任何物体到网格,宛如人类艺术家。 "MeshAnything: Artist-Created Mesh Generation with Autoregressive Transformers" 的官方实现。
这包括 Akari Asai、Zeqiu Wu、Yizhong Wang、Avirup Sil 和 Hannaneh Hajishirzi 的SELF-RAG: Learning to Retrieve, Generate and Critique through self-reflection 的原始实现。