Awesome-LLM-Post-training

Un dépôt de ressources de tutoriels, d'études et de guides sur les méthodes de post-entraînement des grands modèles de langage (LLM).

Produit OrdinaireProductivitéLLMPost-entraînement

Ouvrir le site Web

Awesome-LLM-Post-training est un dépôt axé sur les méthodes de post-entraînement des grands modèles de langage (LLM). Il fournit des recherches approfondies sur le post-entraînement des LLM, y compris des tutoriels, des études et des guides. Ce dépôt est basé sur l'article « LLM Post-Training : A Deep Dive into Reasoning Large Language Models » et vise à aider les chercheurs et les développeurs à mieux comprendre et appliquer les techniques de post-entraînement des LLM. Ce dépôt est ouvert et gratuit, et convient à la recherche académique et aux applications industrielles.

Fournir les dernières publications et ressources de recherche sur le post-entraînement des LLM.
Comprendre des études et des tutoriels détaillés pour aider les utilisateurs à démarrer rapidement.
Fournir des implémentations de code et des frameworks pour diverses méthodes de post-entraînement des LLM.
Prendre en charge les expériences sur plusieurs modèles de langage et techniques de post-entraînement.
Fournir de nombreux tests de référence et scénarios d'application pour valider l'efficacité du post-entraînement.
Prendre en charge les contributions de la communauté : les utilisateurs peuvent soumettre leurs propres recherches et codes.
Fournir une documentation et des tutoriels détaillés pour aider les débutants à démarrer rapidement.

\Ce dépôt est destiné aux chercheurs
développeurs et professionnels travaillant dans le domaine du traitement du langage naturel et de l'intelligence artificielle
et s'intéressant au post-entraînement des grands modèles de langage. Il fournit aux chercheurs de nombreuses publications scientifiques et implémentations de code pour les aider à comprendre et à appliquer rapidement les dernières techniques de post-entraînement ; il offre aux développeurs des frameworks et outils pratiques pour implémenter et optimiser rapidement les capacités d'inférence des LLM dans leurs projets.

Les chercheurs peuvent utiliser les publications et le code de ce dépôt pour mener rapidement des recherches sur le post-entraînement des LLM.
Les développeurs peuvent utiliser les frameworks et outils pour appliquer les techniques de post-entraînement à des projets réels de traitement du langage naturel afin d'améliorer les performances du modèle.
Les étudiants peuvent lire les tutoriels et les guides pour apprendre les concepts et les techniques de base du post-entraînement des LLM et jeter les bases de futures recherches et développements.

1. Accéder à la page d'accueil du projet et consulter le fichier README pour obtenir une vue d'ensemble du projet.
2. Sélectionner les publications
codes ou tutoriels pertinents en fonction des besoins.
3. Si vous devez utiliser le code
cloner le dépôt localement et suivre les instructions du document pour l'installation et la configuration.

Ouvrir le site Web

Awesome-LLM-Post-training Dernière situation du trafic

Nombre total de visites mensuelles

474564576

Taux de rebond

36.20%

Nombre moyen de pages par visite

6.1

Durée moyenne de la visite

00:06:34

Awesome-LLM-Post-training Tendance des visites

Awesome-LLM-Post-training Distribution géographique des visites

Awesome-LLM-Post-training Sources de trafic

Awesome-LLM-Post-training Alternatives

Awesome-LLM-Post-training — Un dépôt de ressources de tutoriels, d'études et de guides sur les méthodes de post-entraînement des grands modèles de langage (LLM).

Productivité

•LLM•Post-entraînement

hallucination-leaderboard — Un classement comparant les performances de grands modèles de langage (LLM) en matière d'hallucinations lors de la synthèse de courts documents.

Autre

Best AI Websites & Tools

Awesome-LLM-Post-training

Awesome-LLM-Post-training Dernière situation du trafic

Awesome-LLM-Post-training Tendance des visites

Awesome-LLM-Post-training Distribution géographique des visites

Awesome-LLM-Post-training Sources de trafic

Awesome-LLM-Post-training Alternatives

Awesome-LLM-Post-training — Un dépôt de ressources de tutoriels, d'études et de guides sur les méthodes de post-entraînement des grands modèles de langage (LLM).

hallucination-leaderboard — Un classement comparant les performances de grands modèles de langage (LLM) en matière d'hallucinations lors de la synthèse de courts documents.

askrepo — Utilise un LLM pour lire le code source et fournir des réponses aux questions.

Convertisseur GitHub vers LLM — Convertit les liens GitHub en un format adapté aux LLM

Ingénierie des Prompts — Un référentiel complet de ressources techniques sur l'ingénierie des prompts

LlamaIndex.TS — Framework pour la construction d'applications LLM

Techniques RAG — Ensemble révolutionnaire de techniques pour les systèmes de génération augmentée par la recherche.

Langtail — Simplifie la gestion des invites de LLM et favorise la collaboration d'équipe

llm.c — Entraînement de LLM simple et basique en C/CUDA

l1m — Une API proxy utilisée pour extraire des données structurées à partir de texte et d'images, implémentée à l'aide de LLM.

Générateur Firecrawl LLMs.txt — Outil de génération de fichiers texte intégrés à partir de sites Web pour l'entraînement et l'inférence des LLM

Modèle d'intégration de texte Gemini Embedding — Gemini Embedding est un modèle d'intégration de texte avancé qui fournit des capacités puissantes de compréhension du langage via l'API Gemini.

Hugo Translator — Outil de traduction d'articles basé sur les LLM, traduisant et créant automatiquement des fichiers Markdown multilingues.

NeoBase — NeoBase est un assistant de base de données IA open source qui vous permet d'interagir avec votre base de données en langage naturel.

Instella — Instella est un modèle linguistique open source haute performance développé par AMD, conçu pour accélérer le développement des modèles linguistiques open source.

Clone — Clone est un robot humanoïde doté de la technologie révolutionnaire des muscles artificiels Myofiber, capable de marcher naturellement.

Aviator Agents — Framework d'agents basé sur LLM, utilisé pour effectuer des migrations de code à grande échelle dans les dépôts de code.

ViDoRAG — ViDoRAG est un framework d'agents d'inférence itérative dynamique qui combine la recherche de documents visuels et l'amélioration de la génération.

Microsoft Dragon Copilot — Microsoft Dragon Copilot est un espace de travail IA pour le secteur médical qui simplifie les flux de travail de documentation clinique et améliore l'efficacité.

Migician — Migician est un grand modèle linguistique multimodale axé sur la localisation multi-images, capable de réaliser une localisation précise multi-images de forme libre.

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

IndexTTS — Système texte-parole zéro-shot industriel, contrôlable et efficace

olmOCR — olmOCR est une boîte à outils permettant de linéariser des PDF pour l'entraînement d'ensembles de données de LLM.

Extensions Raycast IA — Raycast lance les Extensions IA, permettant d'interagir avec les applications de votre ordinateur et d'exécuter des tâches via des commandes en langage naturel.

MLGym — MLGym est un nouveau framework et une nouvelle référence pour faire progresser les agents de recherche en IA.

tablegpt-agent — Agent pré-construit de TableGPT2 pour les tâches de Q&R basées sur des tableaux.

bRAG-langchain — Un projet open source pour la construction d'applications de génération augmentée par la recherche (RAG).

Qwen — Qwen Chat est un outil de chat d'intelligence artificielle basé sur un modèle linguistique avancé, offrant des conversations intelligentes et de multiples fonctionnalités.

FlexHeadFA — Mécanisme d'attention précis, rapide et économe en mémoire

FlashMLA — FlashMLA est un noyau de décodage MLA hautement efficace optimisé pour les GPU Hopper, adapté aux services de séquences de longueur variable.