ThoughtSource

LLMs-from-scratch

AI GitHub リポジトリ

ユーザーがPyTorchを使用してChatGPTのような言語モデルを実装する手助けをするGitHubプロジェクトです。ゼロから大規模言語モデルを構築するためのステップバイステップのアプローチを提供し、AIや機械学習に興味のある開発者や研究者に最適です。LLMs-from-scratchは、ユーザーがPyTorchを使用してChatGPTのような言語モデルを実装する手助けをするGitHubプロジェクトです。ゼロから大規模言語モデルを構築するためのステップバイステップのアプローチを提供し、AIや機械学習に興味のある開発者や研究者に最適です。

AI学習リポジトリ

AI GitHub リポジトリ

AI学習は、実践的なプロジェクトに焦点を当てた構造化されたハンズオンの旅で、現代のAIを探求します。大規模言語モデル、検索強化生成、自律AIエージェント、生成AIをカバーし、実際のシステムを構築することで学ぶことを目指しています。

ColossalAI

AI GitHub リポジトリ

#65

大規模AIモデルをより手頃で迅速かつアクセスしやすくすることを目的としたプロジェクトです。AIモデルのトレーニングとデプロイメントを最適化するためのツールとフレームワークを提供し、効率性とスケーラビリティに焦点を当てています。ColossalAIは、大規模AIモデルをより手頃で迅速かつアクセスしやすくすることを目的としたプロジェクトです。AIモデルのトレーニングとデプロイメントを最適化するためのツールとフレームワークを提供し、効率性とスケーラビリティに焦点を当てています。

Ling

AI GitHub リポジトリ

Ant GroupのinclusionAIからのオープンソースの専門家混合言語モデルファミリーで、MITライセンスの下でGitHubに公開されています。一般的なチャット、コーディング、推論タスク向けに複数のサイズで提供されており、オープンLLMを自分で実行またはファインチューニングしたい研究者や開発者を対象としています。Lingは、Ant GroupのinclusionAIからのオープンソースの専門家混合言語モデルファミリーで、MITライセンスの下でGitHubに公開されています。一般的なチャット、コーディング、推論タスク向けに複数のサイズで提供されており、オープンLLMを自分で実行またはファインチューニングしたい研究者や開発者を対象としています。

Ragas LLM評価ツール

AI GitHub リポジトリ

LLMアプリケーションの評価を向上させるために設計されたツールです。開発者にアプリケーションを改善し、AI開発におけるコラボレーションと革新を促進するプラットフォームを提供します。RagasはLLMアプリケーションの評価を向上させるために設計されたツールです。開発者にアプリケーションを改善し、AI開発におけるコラボレーションと革新を促進するプラットフォームを提供します。

アップグレード可能なもの

AI GitHub リポジトリ

AIスキル、推論ワークフロー、バリデーター、エージェントシステムのためのオープンでモデルに依存しないビルディングブロックとコピー可能なプロンプトを提供します。特定のモデルに縛られることなく、AI機能を強化するための柔軟なツールを開発者に提供します。アップグレード可能なものは、AIスキル、推論ワークフロー、バリデーター、エージェントシステムのためのオープンでモデルに依存しないビルディングブロックとコピー可能なプロンプトを提供します。特定のモデルに縛られることなく、AI機能を強化するための柔軟なツールを開発者に提供します。

OpenAIプラットフォーム

AI プラットフォーム

開発者がOpenAI APIを使用してアプリケーションを構築できるようにします。包括的なドキュメント、サンプルアプリ、および実用的な例を提供し、ユーザーがさまざまなプロジェクトでAPIを効果的に活用できるよう支援します。OpenAIプラットフォームは、開発者がOpenAI APIを使用してアプリケーションを構築できるようにします。包括的なドキュメント、サンプルアプリ、および実用的な例を提供し、ユーザーがさまざまなプロジェクトでAPIを効果的に活用できるよう支援します。

DeepEval

AI GitHub リポジトリ

#80

大規模言語モデル（LLM）を評価するために設計されたオープンソースのフレームワークです。開発者が評価プロセスに貢献し、LLMのパフォーマンスと信頼性を向上させることができます。DeepEvalは、大規模言語モデル（LLM）を評価するために設計されたオープンソースのフレームワークです。開発者が評価プロセスに貢献し、LLMのパフォーマンスと信頼性を向上させることができます。