LLMs-desde-cero

Comprenda a fondo el funcionamiento interno de los grandes modelos de lenguaje

Producto ComúnProgramaciónModelos de lenguajeAprendizaje profundo

LLMs-desde-cero le guiará paso a paso para comprender cómo funcionan los LLM. Este libro le guiará en la creación de su propio LLM, explicando cada etapa con texto claro, diagramas y ejemplos. Se describen métodos para entrenar y desarrollar su propio modelo pequeño pero completamente funcional con fines educativos, similares a los métodos utilizados para crear modelos básicos a gran escala como ChatGPT.

Best AI Websites & Tools

LLMs-desde-cero

LLMs-desde-cero Situación del tráfico más reciente

LLMs-desde-cero Tendencia de visitas

LLMs-desde-cero Distribución geográfica de las visitas

LLMs-desde-cero Fuentes de tráfico

LLMs-desde-cero Alternativas

LLMs-desde-cero — Comprenda a fondo el funcionamiento interno de los grandes modelos de lenguaje

FlexHeadFA — Mecanismo de atención preciso, rápido y eficiente en cuanto a memoria.

FlashMLA — FlashMLA es un núcleo de decodificación MLA eficiente optimizado para GPU Hopper, ideal para servicios de secuencias de longitud variable.

VLM-R1 — VLM-R1 es un modelo de lenguaje visual reforzado estable y versátil, enfocado en tareas de comprensión visual.

Detección de Compatibilidad de Modelos DeepSeek — Detecta si un dispositivo puede ejecutar modelos DeepSeek de diferentes escalas, ofreciendo una predicción de compatibilidad.

Preentrenamiento de modelos de lenguaje recurrentes a gran escala — Código de preentrenamiento para modelos de lenguaje recurrentes profundos a gran escala, compatible con la ejecución en 4096 GPU AMD.

node-DeepResearch — Busca y lee páginas web continuamente hasta encontrar la respuesta (o hasta agotar el presupuesto de tokens).

Open R1 — Este es un proyecto de reproducción de un modelo DeepSeek-R1 completamente abierto, diseñado para ayudar a los desarrolladores a reproducir y construir modelos basados en R1.

Janus-Pro-1B — Janus-Pro-1B es un marco autorregresivo unificado de comprensión y generación multimodal.

Tarsier — Tarsier es un modelo de lenguaje de video a gran escala desarrollado por ByteDance para generar descripciones de video de alta calidad.

VideoLLaMA3 — VideoLLaMA3 es un modelo base multimodal de vanguardia, especializado en la comprensión de imágenes y videos.

MiniMax-01 — Potente modelo de lenguaje con 4560 mil millones de parámetros totales, capaz de procesar contextos de hasta 4 millones de tokens.

rStar-Math — Presenta los resultados de una investigación que muestra la capacidad de los modelos de lenguaje pequeños para dominar el razonamiento matemático a través de la autorreflexión mediante la evolución propia.

CAG — Un método para mejorar modelos de lenguaje que no requiere búsqueda en tiempo real, aumentando la eficiencia de generación mediante el precarga de un caché de conocimiento.

Llama-3.1-70B-Instruct-AWQ-INT4 — Modelo de generación de texto con 70 mil millones de parámetros

DeepSeek-V3 — Un modelo de lenguaje Mixture-of-Experts con 671B parámetros.

DRT-o1 — Modelo de traducción automática neuronal basado en cadenas de razonamiento largas para optimizar la traducción.

mwp_ReFT — Marco de ajuste fino de modelos basado en el aprendizaje por refuerzo profundo

Florence-VL — Herramienta de mejora de modelos de lenguaje visual, que combina un codificador visual generativo y una técnica de fusión de profundidad y amplitud.

PaliGemma 2 — PaliGemma 2 es un potente modelo de lenguaje visual, fácil de ajustar.

LLaMA-Mesh — Unificación de modelos de lenguaje y generación de mallas 3D

Demostración de TTS MaskGCT — Demostración de texto a voz (TTS) basada en el modelo MaskGCT

mPLUG-DocOwl 1.5 — Modelo de aprendizaje de estructura unificada para la comprensión de documentos sin OCR

Ingeniería de Prompts — Un repositorio integral de recursos sobre Ingeniería de Prompts

F5-TTS — Modelo de síntesis de texto a voz (TTS) de alta calidad basado en aprendizaje profundo

Muestreo basado en entropía — Técnica de muestreo basada en la entropía, que optimiza la diversidad y la precisión de la salida del modelo.

Llama 3.2 3b Voice — Herramienta de síntesis de voz basada en el modelo Llama.

rStar — Mejora la capacidad de resolución de problemas de los modelos de lenguaje pequeños mediante el razonamiento de autojuego mutuo.

Aixploria — Directorio de herramientas de IA, descubre las mejores herramientas de IA

RWKV — Arquitectura de modelo grande de nueva generación, que supera a Transformer.