Awesome-LLM-Post-training

Un repositorio de recursos de tutoriales, estudios y guías sobre métodos de post-entrenamiento de modelos lingüísticos de gran tamaño (LLM).

Producto ComúnProductividadLLMPost-entrenamiento

Abrir sitio web

Awesome-LLM-Post-training es un repositorio centrado en los métodos de post-entrenamiento de modelos lingüísticos de gran tamaño (LLM). Ofrece investigaciones profundas sobre el post-entrenamiento de LLM, incluyendo tutoriales, estudios y guías. Este repositorio se basa en el artículo "LLM Post-Training: A Deep Dive into Reasoning Large Language Models", cuyo objetivo es ayudar a los investigadores y desarrolladores a comprender y aplicar mejor las técnicas de post-entrenamiento de LLM. Este repositorio es de acceso abierto y gratuito, adecuado para la investigación académica y las aplicaciones industriales.

Proporciona artículos de investigación y recursos sobre las últimas investigaciones en post-entrenamiento de LLM.
Incluye estudios y tutoriales detallados que ayudan a los usuarios a empezar rápidamente.
Proporciona implementaciones de código y marcos para varios métodos de post-entrenamiento de LLM.
Admite experimentos con varios modelos de LLM y técnicas de post-entrenamiento.
Proporciona abundantes pruebas comparativas y escenarios de aplicación para verificar los efectos del post-entrenamiento.
Admite contribuciones de la comunidad; los usuarios pueden enviar sus propias investigaciones y código.
Proporciona documentación y tutoriales detallados para ayudar a los principiantes a empezar rápidamente.

\Este repositorio es adecuado para académicos
desarrolladores e profesionales interesados en el post-entrenamiento de modelos lingüísticos de gran tamaño (LLM) que trabajan en el campo del procesamiento del lenguaje natural y la inteligencia artificial. Ofrece a los investigadores abundantes artículos de investigación e implementaciones de código que les ayudan a comprender y aplicar rápidamente las últimas técnicas de post-entrenamiento; a los desarrolladores
les proporciona marcos y herramientas prácticas que facilitan la implementación y optimización rápida de la capacidad de inferencia de los LLM en proyectos reales.\

Los investigadores pueden utilizar los artículos y el código de este repositorio para llevar a cabo rápidamente investigaciones sobre el post-entrenamiento de LLM.
Los desarrolladores pueden utilizar los marcos y herramientas incluidos para aplicar las técnicas de post-entrenamiento a proyectos reales de procesamiento del lenguaje natural y mejorar el rendimiento del modelo.
Los estudiantes pueden leer los tutoriales y las guías para aprender los conceptos y técnicas básicas del post-entrenamiento de LLM
sentando así las bases para futuras investigaciones y desarrollos.

1. Acceda a la página principal del proyecto y explore el archivo README para obtener una descripción general del proyecto.
2. Seleccione los recursos de artículos
código o tutoriales relevantes según sus necesidades.
3. Si necesita usar el código
clone el repositorio en su máquina local y siga las instrucciones de la documentación para la instalación y configuración.

Abrir sitio web

Awesome-LLM-Post-training Situación del tráfico más reciente

Total de visitas mensuales

474564576

Tasa de rebote

36.20%

Páginas promedio por visita

6.1

Duración promedio de la visita

00:06:34

Awesome-LLM-Post-training Tendencia de visitas

Awesome-LLM-Post-training Distribución geográfica de las visitas

Awesome-LLM-Post-training Fuentes de tráfico

Awesome-LLM-Post-training Alternativas

Awesome-LLM-Post-training — Un repositorio de recursos de tutoriales, estudios y guías sobre métodos de post-entrenamiento de modelos lingüísticos de gran tamaño (LLM).

Productividad

•LLM•Post-entrenamiento

hallucination-leaderboard — Una tabla de clasificación para comparar la tasa de alucinaciones de modelos lingüísticos grandes (LLM) al resumir documentos cortos.

Otros

Best AI Websites & Tools

Awesome-LLM-Post-training

Awesome-LLM-Post-training Situación del tráfico más reciente

Awesome-LLM-Post-training Tendencia de visitas

Awesome-LLM-Post-training Distribución geográfica de las visitas

Awesome-LLM-Post-training Fuentes de tráfico

Awesome-LLM-Post-training Alternativas

Awesome-LLM-Post-training — Un repositorio de recursos de tutoriales, estudios y guías sobre métodos de post-entrenamiento de modelos lingüísticos de gran tamaño (LLM).

hallucination-leaderboard — Una tabla de clasificación para comparar la tasa de alucinaciones de modelos lingüísticos grandes (LLM) al resumir documentos cortos.

askrepo — Utiliza LLM para leer código fuente y proporcionar respuestas a preguntas.

Convertidor de GitHub a LLM — Convierte enlaces de GitHub a un formato adecuado para LLM

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

LlamaIndex.TS — Marco para la construcción de aplicaciones LLM

Técnicas RAG — Conjunto revolucionario de técnicas de sistemas de generación mejorada mediante recuperación.

Langtail — Simplifica la gestión de indicaciones para LLM y fomenta la colaboración en equipo.

llm.c — Entrenamiento de LLM con C/CUDA simple y básico

l1m — Una API proxy para extraer datos estructurados de texto e imágenes, implementada con LLMs.

Generador Firecrawl LLMs.txt — Herramienta para generar archivos de texto integrados en sitios web para el entrenamiento e inferencia de LLM

Modelo de incrustación de texto Gemini Embedding — Gemini Embedding es un modelo de incrustación de texto avanzado que proporciona una potente capacidad de comprensión del lenguaje a través de la API de Gemini.

Traductor Hugo — Herramienta de traducción de artículos basada en LLM, que traduce automáticamente y crea archivos Markdown multilingües.

NeoBase — NeoBase es un asistente de base de datos de IA de código abierto que le permite interactuar con bases de datos utilizando lenguaje natural.

Instella — Instella es un modelo de lenguaje de código abierto de alto rendimiento desarrollado por AMD, diseñado para acelerar el desarrollo de modelos de lenguaje de código abierto.

Clon — Clon es un robot humanoide con tecnología revolucionaria de músculos artificiales Myofiber, capaz de caminar de forma natural.

Agentes Aviator — Marco de agentes basado en LLM, utilizado para realizar migraciones de código a gran escala en repositorios de código.

ViDoRAG — ViDoRAG es un marco de agentes de razonamiento iterativo dinámico que combina la recuperación de documentos visuales con la generación mejorada.

Microsoft Dragon Copilot — Microsoft Dragon Copilot es un espacio de trabajo de IA para el sector sanitario que simplifica el flujo de trabajo de la documentación clínica y mejora la eficiencia.

Migician — Migician es un modelo de lenguaje multimodal de gran tamaño centrado en la localización de múltiples imágenes, capaz de realizar una localización precisa de múltiples imágenes de forma libre.

llm-commit — Un plugin pour générer des messages de commit Git avec un LLM

IndexTTS — Sistema de texto a voz (TTS) de muestra cero, eficiente y controlable de grado industrial

olmOCR — olmOCR es un conjunto de herramientas para linealizar PDF para el entrenamiento de conjuntos de datos LLM.

Extensiones de IA de Raycast — Raycast lanza las Extensiones de IA, que permiten interactuar mediante comandos de lenguaje natural con las aplicaciones de su ordenador y ejecutar tareas.

MLGym — MLGym es un nuevo marco y punto de referencia para avanzar en la investigación de agentes de IA.

tablegpt-agent — Agente preconstruido de TableGPT2 para tareas de preguntas y respuestas basadas en tablas.

bRAG-langchain — Un proyecto de código abierto para construir aplicaciones de Generación Aumentada por Recuperación (RAG).

Qwen — Qwen Chat es una herramienta de chat de inteligencia artificial basada en un modelo de lenguaje avanzado, que ofrece conversaciones inteligentes y múltiples funciones.

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.