LLM Resources

Source: https://github.com/WangRongsheng/awesome-LLM-resources at c318e482e279
License: Apache-2.0
Read the English original

This edition is an AI-assisted translation.

세계 최고의 큰 언어 모델 자원의 요약.

정말 귀중한 프로젝트 발굴, 그냥 poaching. 제품정보

[!TIP] 오른쪽으로의료 자료 세트/큰 모형/다중/assessment 관련 자원에 있는 관심사자주 묻는 질문 Awesome-AI4Med ·

우리는 친구가 될 것입니다.

PackyCode는 안정적이고 효율적인 API transit 서비스 제공 업체이며, 주류 모델에 대한 액세스의 한 단어. Harmonized 도메인 이름, 통합된 키, 지적인 단면도 스위치, 97% 가용성. RMB 1:1, 환율 없음, 수수료 pits, 새로운 사용자를위한 첫 번째 할인 + $ 1 무료 경험, 멀티 그룹 할인으로 낮은 2 접으로 Codex/Claude 고속도로를 제공합니다.

이 링크를 등록하고 즉시 시작하십시오!

감사합니다, Infistar.cc, 이 프로젝트를 후원하기 위해.

:: 안정되어 있고는 능률적인 모형 수로: 가격은 공식적인 수로를 위해 0.30% 만큼 낮습니다, 모형은 다수 투명한, 다수 노드입니다 과다한, 및 교류 한계, 429 및 커트오프 효력은 효과적으로 감소됩니다;
• 주류 모델에 대한 원 스톱 액세스 : API 키는 Claude, ChatGPT, Gemini, Kimi, GLM, DeepSeek, 덮음 텍스트 생성, 이미지 생성, 멀티 모듈 이유와 같은 주류 모델에 액세스 할 수 있습니다;
창고 자원 관행의 겸용성: 다 형태 발생, 원조적인 프로그램, 모형 reasoning 또는 MCP/Agent 발달, Infistar는 OpenAI, Claude, Gemini, 일하고, 제로 보류 운영하는 품목 및 자습서로 직접 상류 사용될 수 있습니다;

• 독점 혜택: [the]자주하는 질문등록은 $ 5 상당의 시험 금액 / 첫 번째 충전 독점, 빠른 액세스 및 통화 시작!

이 프로젝트를 후원하는 APIMart 덕분에! APIMart는 AI 이미지/영상 발생에 집중된 저가 API 플랫폼, GPT-Image-2는 $0.006와 $1가 160+를 보여줄 수 있는 만큼 낮습니다. Pictures, 비디오, 워커 세트, APIs, ID를 얻기 위해 작업, 콜백, 시간을 많이 실행, 변경하지 않고 모델을 변경. 볼륨에 지불, 월별 수수료 없음, 이를 통해. 관련 링크 등록은 가능합니다.

이름 *

(주) ₢ 킹
자료실
연락처
원료 RL ₢ 킹
관련 기사
연구분야
- 연혁
RAG 소개
제품정보
연구분야 ₢ 킹
이름 *
동영상
이름 * ₢ 킹
제품정보
본문 바로가기 ₢ 킹
세계 모델 ₢ 킹
오픈스트리트맵
통합 모델 ₢ 킹
한국어
(주)
댓글 RSS
이름 *
- 연혁
MCP 소개
스킬킬
열기 o1
열기 o3
모델 번호 ₢ 킹
사이트 맵 ₢ 킹
기술 팁

(주)

팟캐스트

자료실

[!NOTE]

이름 여기数据, 그러나 이것은 특정한 자료 세트를 제공하지 않습니다, 그러나 대규모 자료 취득을 가공하는 방법

AotoLabel: LLM을 가진 상표, 청결한 및 enrich 원본 datasets.
LabelLLM: 오픈 소스 데이터 주석 플랫폼.
data-juicer: 원스톱 데이터 처리 시스템은 데이터가 더 높은 품질, juicier 및 LLM에 대한 소화를 할 수 있습니다!
OmniParser: 기본 Golang ETL 스트리밍 파서 및 CSV, JSON, XML, EDI, 텍스트 등 라이브러리를 변환합니다.
MinerU (🔥): MinerU는 원스톱, 오픈소스, 고품질 데이터 추출 도구이며 PDF/webpage/e-book 추출을 지원합니다.
PDF-Extract-Kit: 고품질 PDF 콘텐츠 추출을위한 종합 툴킷.
Parsera: LLM과 웹 사이트 스크랩을위한 경량 라이브러리.
Sparrow: Sparrow는 다양한 문서 및 이미지에서 효율적인 데이터 추출 및 처리를위한 혁신적인 오픈 소스 솔루션입니다.
Docling: gen AI에 필요한 서류를 가져옵니다.
GOT-OCR2.0: OCR 모델.
LLM Decontaminator: Rephrased Samples를 가진 언어 모형을 위한 벤치마크 그리고 오염을 재생하십시오.
DataTrove: DataTrove는 매우 큰 규모에서 프로세스, 필터 및 deduplicate 텍스트 데이터를 처리하는 라이브러리입니다.
llm-swarm: 큰 합성 데이터셋 생성 Cosmopedia·
Distilabel: Distilabel은 검증된 연구 논문을 기반으로 빠르고 신뢰할 수 있고 확장 가능한 파이프라인을 필요로 하는 엔지니어를 위한 합성 데이터 및 AI 피드백을 위한 프레임워크입니다.
Common-Crawl-Pipeline-Creator: 일반 크롤 파이프 제작자.
Tabled: Markdown 및 csv로 테이블을 검출하고 추출합니다.
Zerox: gpt-4o-mini를 가진 영발 pdf OCR.
DocLayout-YOLO: Diverse 합성 Data 및 Global-to-Local Adaptive Perception을 통한 문서 레이아웃 분석 강화
TensorZero: LLM을 경험해 보세요.
Promptwright: 로컬 LLM을 이용한 대형 합성 데이터 생성
pdf-extract-api: 현대 OCRs + Ollama 지원 모델의 상태를 사용하여 문서 (PDF) 추출 및 파스 API.
pdf2htmlEX: 텍스트 또는 형식을 잃지 않고 PDF를 HTML로 변환합니다.
Extractous: 빠르고 효율적인 통합 데이터 추출. 많은 언어에 대한 바인딩과 Rust에 글.
MegaParse: LLM Ingestion에 최적화된 파일 파서.
MarkItDown: 파일 및 사무실 문서를 Markdown로 변환하는 Python 도구.
datasketch: datasketch는 프로세스를 처리하고, 정확도의 작은 손실과 더불어 데이터의 매우 큰 양을 빠르게 검색 할 수있는 유능한 데이터 구조를 제공합니다.
semhash: semantic similarity를 사용하여 데이터셋을 분리하는 경량 및 유연한 도구.
ReaderLM-v2: Raw HTML을 아름답게 포맷 된 Markdown 또는 JSON으로 변환하는 1.5B 매개 변수 언어 모델.
Bespoke Curator: Post-Training & Structured Data Extraction에 대한 데이터 치료.
LangKit: 대용량 모델 모니터링을위한 오픈 소스 툴킷 (LLMs). 신속한 & 응답에서 신호를 추출하고 안전 및 보안을 보장합니다.
Curator: 포스트 훈련 및 구조화 된 데이터 추출을위한 합성 데이터 경화.
olmOCR: 교육 언어 모델을위한 도구 키트는 야생의 PDF 문서와 함께 작동합니다.
Easy Dataset (🔥): LLM의 미세 조정 데이터 세트를 만드는 강력한 도구.
BabelDOC: PDF 과학 논문 번역 및 이중 언어 비교 라이브러리.
Dolphin: Heterogeneous Anchor Prompting을 통한 문서 이미지 파싱.
EasyDistill: 대용량 모델에 대한 쉬운 지식 증류.
ContextGem: 문서에서 구조화 된 데이터와 통찰력을 추출하기 위해 강력하게 쉽게 만드는 무료 오픈 소스 LLM 프레임 워크.
OCRFlux: 경량의 강력한 멀티모드 툴킷은 PDF-to-Markdown 변환을 크게 향상시키고 복잡한 레이아웃 처리, 복잡한 테이블 패싱 및 크로스 페이지 콘텐츠 merging에서 탁월합니다.
DataFlow: 최신 LLMs 기반 운영자 및 파이프 라인과 쉬운 데이터 준비.
DatasetLoom (multimodal): 대형 멀티 모듈 모델 교육용 스마트 데이터 세트 구축 및 평가 플랫폼.
Logics-Parsing
DeepSeek-OCR
PaddleOCR-VL
Chandra: 이미지와 PDF를 구조화된 HTML/Markdown/JSON로 변환하는 매우 정확한 OCR 모델
HunyuanOCR: Hunyuan의 기본 다중화 아키텍처에 의해 구동되는 OCR 전문가 VLM.
DeepSeek-OCR-2: 비주얼 카우스 플로우.
PaddleOCR-VL-1.5 (🔥): Robust In-the-Wild Document Parsing을 위한 Multi-Task 0.9B VLM을 향해.
GLM-OCR: GLM-V encoder–decoder 아키텍처에 내장 된 복잡한 문서 이해를위한 멀티 모달 OCR 모델.

맨 위로 돌아 가기

연락처

LLaMA-Factory (🔥): 100 + LLM의 효율적인 미세 조정.
360-LLaMA-Factory: 100 + LLM의 효율적인 미세 조정을 취소합니다. (긴 컨텍스트 트레이닝을 지원하는 Sequence Parallelism 추가)
unsloth (🔥): 2-5X 빠른 80 % 적은 메모리 LLM 미세 조정.
TRL: 변압기 보강 학습.
FireflyFirefly: 큰 모형 훈련 공구는 큰 모형의 수십의 훈련을 지원하기 위하여
Xtuner: 대용량 모델의 정밀한 조정을 위한 효율적인, 유연하고 완전한 기능을 갖춘 툴킷.
torchtune: LLM Fine-tuning을 위한 Native-PyTorch Library.
Swift: PEFT 또는 Full-parameter를 사용하여 200 + LLM 또는 15 + MLLM을 미세화합니다.
AutoTrain: 자동적으로 훈련, 평가 및 배포하는 새로운 방법 최첨단 기계 학습 모델.
OpenRLHF: 간편한 사용, 확장 가능 및 고성능 RLHF 프레임 워크(70B+ Full tuning & LoRA & Mixtral & KTO 지원)
Ludwig: 사용자 정의 LLM, 신경 네트워크 및 기타 AI 모델을 구축하기위한 저 코드 프레임 워크.
mistral-finetune: Mistral의 모델의 Memory-efficient 및 performant Finetuning을 가능하게하는 경량 코베이스.
aikit: Fine-tune, build 및 오픈 소스 LLM을 쉽게 배포합니다!
H2O-LLMStudio: H2O LLM Studio - 미세 조정 LLM을위한 프레임 워크 및 코드 GUI.
LitGPT: Pretrain, finetune, 자신의 데이터에 20 + LLM을 배치합니다. 최첨단 기술을 사용합니다: 플래시 관심, FSDP, 4-bit, LoRA 등.
LLMBox: 통합 교육 파이프라인 및 종합 모델 평가를 포함한 LLM을 구현하는 종합 라이브러리.
PaddleNLP: 사용하기 쉽고 강력한 NLP 및 LLM 라이브러리.
workbench-llamafactory: Llamafactory를 사용하여 최종 모델 개발 워크플로를 입증하는 NVIDIA AI Workbench 예 프로젝트입니다.
OpenRLHF: 사용하기 쉽고 확장 가능한 고성능 RLHF Framework (70B+ PPO Full Tuning & Iterative DPO & LoRA & Mixtral).
TinyLLaVA Factory: 소규모 대형 멀티모드 모델의 프레임워크.
LLM-Foundry: Databricks 기초 모형을 위한 LLM 훈련 부호.
lmms-finetune: llava-1.5, qwen-vl, llava-interleave, llava-next-video, phi3-v 등을 지원하는 미세 조정 코드베이스.
Simplifine: Simplifine은 Hugging Face dataset 또는 모델을 사용하여 코드의 한 줄에 LLM 미세 조정을 수행 할 수 있습니다.
Transformer Lab: 고급 LLM의 오픈 소스 응용 공학 : 상호 작용, 기차, 미세 톤, 자신의 컴퓨터에 큰 언어 모델을 평가.
Liger-Kernel: LLM 교육을위한 효율적인 Triton Kernels.
ChatLearn: 대규모 정렬을 위한 유연하고 효율적인 교육 프레임워크
nanotron: Minimalistic 큰 언어 모델 3D-parallelism 훈련.
Proxy Tuning: Proxy에 의해 튜닝 언어 모델.
Effective LLM Alignment: 효과적인 LLM 정렬 툴킷.
Autotrain-advanced
Meta Lingua: LLM을 연구하기 위해 린, 효율적이고 사용하기 쉬운 코드베이스.
Vision-LLM Alignemnt: 이 저장소는 LLaVA 모델과 LLaMA-3.2-vision 모델을 포함하여 비전 기반 LLM을 위해 설계된 SFT, RLHF 및 DPO의 코드를 포함합니다.
finetune-Qwen2-VL: 미세 조정을위한 빠른 시작 또는 사전 훈련 Qwen2-VL 모델.
Online-RLHF: 온라인 RLHF 및 온라인 파생 DPO를위한 레시피.
InternEvo: open-sourced 경량 훈련 기구는 광대한 종속을 위한 필요 없이 모형을 미리 훈련하는 것을 목표로 합니다.
veRL (🔥): LLM을 위한 Volcano 엔진 보강 학습.
카테고리: Axolotl은 모든 것을 포함하는 YAML 구성 파일과 함께 작동하도록 설계되어 데이터 세트, 기차 또는 미세 톤 모델, 실행 모델 inference 또는 평가, 그리고 훨씬 더.
Oumi: 최첨단 기반 모델을 구축해야 할 모든 것, end-to-end.
Kiln: 미세 조정 LLM 모델, 합성 데이터 생성 및 datasets에 협력을위한 가장 쉬운 도구.
DeepSeek-671B-SFT-Guide: DeepSeek-V3/R1 671B의 전체 매개 변수 미세 조정을위한 오픈 소스 솔루션뿐만 아니라, 몇 가지 실용적인 경험 및 결론에 훈련에서 완전한 코드 및 스크립트를 포함하여.
MLX-VLM: MLX-VLM은 MLX를 사용하여 Mac에서 Vision Language Models (VLMs)의 출현 및 미세 조정을위한 패키지입니다.
RL-Factory: 쉽고 효율적인 프레임워크를 통해 에이전트 모델을 기차.
RM-Gallery: 원 스톱 보상 모델 플랫폼.
ART: GRPO를 사용하여 실제 작업을위한 비 다단계 에이전트. 당신의 대리인을 on-the-job 훈련하십시오.
LMMs-Engine: 단순, 모든-to-any modality framework for pretraining and finetuning. Lean, 유연하고, 연구를 위해 건축해.
dLLM: 이퓨전 언어 모델의 훈련 및 평가를 취소하는 도서관은 전체 개발 파이프라인에 투명성과 재현성을 가져다줍니다. diffusion
Miles: 대규모 MoE 포스트 훈련 및 생산 작업 부하를 위한 기업 회의 보강 학습 기구.
Skills: 대형 언어 모델의 “skills”를 개선하기 위해 파이프라인의 컬렉션.
Twinkle: 경량, 클라이언트 서버 교육 프레임 워크는 모듈형, 고휘도 인터페이스를 갖추고 있습니다.
NeMo AutoModel: OOTB Hugging Face 지원을 가진 LLMs/VLMs를 위한 Pytorch Distributed 기본 훈련 도서관.
VeOmni: Model-Centric Distributed 레시피 Zoo로 모든 Modality Model Training을 확장합니다.
Soup: LLM 포스트 훈련을 위한 1 구성 CLI (SFT/DPO/GRPO/KTO/ORPO). 레이어 스트리밍은 호스트 RAM 1 디코더 레이어에서 언베이스를 스트리밍하여 4GB 노트북 GPU에서 8B 모델을 훈련합니다.

맨 위로 돌아 가기

대리인 RL

veRL (🔥): https://github.com/volcengine/verl
AReaL: https://github.com/inclusionAI/AReaL
slime (🔥): https://github.com/THUDM/slime
Agent Lightning: https://github.com/microsoft/agent-lightning
Molt: https://github.com/NVIDIA-NeMo/labs-molt
prime-rl: https://github.com/PrimeIntellect-ai/prime-rl

맨 위로 돌아 가기

연구분야

lm-evaluation-harness: 언어 모델의 몇 샷 평가를위한 프레임 워크.
opencompass (🔥): OpenCompass는 다양한 모델 (Llama3, Mistral, InternLM2, GPT-4,LLaMa2, Qwen, GLM, Claude 등)을 지원하는 LLM 평가 플랫폼입니다.
llm-comparator: LLM의 Comparator는 개발된 LLM 응답 측에 의해 증발하고 분석하는 LLM 응답을 위한 상호 작용하는 자료 시각화 공구입니다.
EvalScope (🔥)
뚱 베어: LLM을 추적하고 증발하는 경량 툴킷.
MixEval: LLM Benchmark Mixtures에서 성장하는 지혜.
Evaluation guidebook: LLM이 특정 작업을 잘 수행하는 방법을 궁금해 한 경우,이 가이드는 당신을 위해!
Ollama Benchmark: Ollama (Local LLMs)를 통해 처리량을 위한 LLM 벤치 마크.
VLMEvalKit: 대형 Vision-language 모델 (LVLMs), 지원 ~100 VLMs, 40 + 벤치 마크의 오픈 소스 평가 툴킷.
사이트맵
EvalScope: 효율적인 대형 모델 평가 및 성능 벤치마킹을위한 간소화 및 사용자 정의 프레임 워크.
DeepEval: 대용량 모델 시스템을 증발 및 테스트하기위한 간단한 사용, 오픈 소스 LLM 평가 프레임 워크.
Lighteval: Lighteval은 다양한 백엔드를 통해 LLM을 증발하는 모든 툴킷입니다.
QwQ/eval: QwQ는 Qwen 팀, Alibaba Cloud가 개발 한 이유 모델 시리즈입니다.
Evalchemy: 포스트 훈련 된 언어 모델에 대한 통합 및 사용하기 쉬운 툴킷.
MathArena: 최신 수학 대회에 LLMs의 평가.
YourBench: 동적 벤치 마크 생성 프레임 워크.
MedEvalKit: 통합 의료 평가 기구.
OpenJudge: 홀리스틱 평가 및 품질 보상을위한 통합 프레임 워크.

맨 위로 돌아 가기

- 연혁

맨 위로 돌아 가기

지식 베이스 RAG

AnythingLLM: 전체 RAG 및 AI Agent Capabilite를 가진 LLM을 위한 올인원 AI 앱.
MaxKB: LLM Big Language Model을 기반으로 하는 지식 베이스 질문 및 답변 시스템. 급속한 embedding를 제삼자 가동으로 지원하기 위하여 상자를 엽니다.
RAGFlow: 딥 문서 이해를 바탕으로 오픈 소스 RAG(Retrieval-Augmented Generation) 엔진
Dify: 오픈 소스 LLM 앱 개발 플랫폼. Dify의 직관적 인 인터페이스는 AI 워크플로우, RAG 파이프라인, 에이전트 기능, 모델 관리, 관찰성 기능 등을 결합하여 프로토 타입에서 생산에 신속하게 이동합니다.
FastGPT: LLM에 내장된 지식 기반 플랫폼으로, out-of-the-box data processing and model invocation 기능을 제공하며, Flow 시각화를 통해 워크플로우 오케스트라를 허용합니다.
Langchain-ChatchatLangchain 및 ChatGM 응답과 같은 다른 대형 언어 모델에 기반한 현지 지식 베이스
QAnything: 질문과 답변
Quivr: 개인 생산성 보조 (RAG) ⚡️ doc과 채팅 (PDF, CSV, …) & 응용 프로그램 Langchain, GPT 3.5 / 4 터보, 개인, Anthropic, VertexAI, Ollama, LLMs, Groq 사용자가 공유 할 수! OpenAI GPTs & ChatGPT에 대한 로컬 및 개인 대안은 증강 발생에 의해 구동.
RAG-GPT: RAG-GPT, LLM 및 RAG 기술을 활용한 RAG-GPT는 사용자 맞춤형 지식 베이스를 통해 다양한 쿼리에 대한 컨텍스트와 관련된 답변을 제공합니다.
Verba: Weaviate에 의해 구동되는 Retrieval 증강 발생 (RAG) chatbot.
FlashRAG: 효율적인 RAG 연구를위한 Python 툴킷.
GraphRAG: 모듈 형 그래프 기반 Retrieval-Augmented Generation (RAG) 시스템.
LightRAG: LightRAG는 버퍼-Agent-Generator 파이프라인을 구축하고 최적화하는 개발자를 지원합니다.
GraphRAG-Ollama-UI: Gradio UI 및 추가 기능이있는 Ollama를 사용하는 GraphRAG.
nano-GraphRAG: 단순하고 쉬운 GraphRAG 구현.
RAG Techniques: 이 저장소는 Retrieval-Augmented Generation (RAG) 시스템에 대한 다양한 첨단 기술을 보여줍니다. RAG 시스템은 유전적 모델과 정보를 결합하여 정확하고 정교하게 풍부한 응답을 제공합니다.
ragas: Retrieval Augmented Generation (RAG) 파이프라인의 평가 프레임 워크.
kotaemon: 문서와 채팅을 위한 open-source clean & customizable RAG UI 두 최종 사용자와 개발자와 함께 마음 속에.
RAGapp: 어떤 기업에서 Agentic RAG를 사용하는 가장 쉬운 방법.
TurboRAG: Chunked Text를 위한 Precomputed KV Caches와 Retrieval-Augmented Generation을 가속화합니다.
LightRAG: 단순하고 빠른 Retrieval-Augmented Generation.
TEN: 차세대 AI-Agent Framework, 세계 최초의 실시간 멀티모탈 AI 에이전트 프레임워크.
AutoRAG: RAG AutoML 도구는 데이터에 대한 최적의 RAG 파이프라인을 자동으로 찾습니다.
KAG: KAG는 OpenSPG 엔진을 기반으로 한 지식-enhanced Generation Framework로서 지식-enhanced rigorous decision-making 및 information retrieval 지식 서비스를 구축하는 데 사용됩니다.
Fast-GraphRAG: RAG는 사용 사례, 데이터 및 쿼리에 지능적으로 적응합니다.
Tiny-GraphRAG
DB-GPT GraphRAG: DB-GPT GraphRAG는 커뮤니티와 문서 검색 메커니즘을 활용하면서 세겹 기반 지식 그래프와 문서 구조 그래프를 모두 통합하여 RAG 기능을 강화하고 Microsoft의 GraphRAG에 필요한 토큰의 50 %를 구성하면서 비교 가능한 성능을 달성합니다. DB-GPT 참조 Graph RAG 사용자 설명서 상세 정보
Chonkie: 경량, 번개 빠름, 텍스트를 CHONK에 준비하는 no-nonsense RAG chunking 라이브러리.
RAGLite: RAGLite는 PostgreSQL 또는 SQLite를 가진 Retrieval-Augmented Generation (RAG)를 위한 Python 툴킷입니다.
KAG: KAG는 OpenSPG 엔진과 LLM을 기반으로 한 논리형 구성 요소 및 검색 프레임 워크입니다.
CAG: CAG는 모델의 컨텍스트로 모든 관련 리소스를 미리 로드하여 현대 대형 언어 모델(LLMs)의 확장된 컨텍스트 창을 활용하여 런타임 매개변수를 캐싱합니다.
MiniRAG: 이진 그래프 인덱싱 및 경량 지질학-enhanced retrieval을 통해 좋은 RAG 성능을 달성하기 위해 작은 모델을 가능하게하는 매우 간단한 분산 형 세대 프레임 워크.
XRAG: 고급 Retrieval-Augmented Generation (RAG) 시스템의 기반 구성 요소를 평가하기 위해 설계된 벤치 마크링 프레임 워크.
Rankify: Retrieval, Re-Ranking 및 Retrieval-Augmented Generation을 위한 종합 Python 툴킷.
RAG-Anything: 올인원 RAG 시스템

맨 위로 돌아 가기

제품정보

AutoGen: AutoGen은 작업을 해결하기 위해 서로 반대 할 수있는 여러 에이전트를 사용하여 LLM 응용 프로그램의 개발을 가능하게하는 프레임 워크입니다. AutoGen AI 스튜디오
CrewAI: 관현악을 위한 프레임워크, autonomous AI Agent 협업 인텔리전스를 육성함으로써, CrewAI는 에이전트가 원활하게 작동할 수 있게 해 줍니다.
한국어
AgentGPT: 브라우저에서 자율 AI 에이전트를 조립, 구성 및 배포합니다.
XAgent: 복잡한 작업 해결을위한 자율 LLM 에이전트.
MobileAgent: 강력한 모바일 장치 운영 보조 가족.
Lagent: LLM 기반 에이전트 구축을위한 경량 프레임 워크.
Qwen-Agent: Qwen2에 내장 된 에이전트 프레임 워크 및 응용 프로그램, 기능 호출, 코드 인터프리터, RAG 및 크롬 확장.
사이트 맵원스톱 AI 스마트 바디 플랫폼
바이두 APPBuilder
agentUniverse: AgentUniverse는 개발자가 다중 시약 애플리케이션을 쉽게 구축할 수 있는 LLM 멀티 시약 프레임워크입니다. 또한 커뮤니티를 통해 다른 도메인의 패턴을 교환하고 공유 할 수 있습니다.
LazyLLMMultiAgent 대형 모델 어플리케이션의 저코드 구축 도구
AgentScope: LLM-empowered 다중 시약 응용을 쉽게 구축하십시오.
AgentField: routing, Memory, Observability, identity, auth 및 정책 컨트롤과 같은 API와 같은 건물 및 운영 AI 에이전트를위한 오픈 소스 제어 비행기.
MoA: Agents (MoA)의 Mixture는 여러 LLM의 공동 강점을 활용하여 성능 향상을 위한 새로운 접근 방식입니다.
Agently: AI Agent Application 개발 프레임 워크.
OmAgent: 복잡한 작업을 해결하기 위한 다중 에이전트 프레임 워크.
Tribe: 빠른 빌드 및 조정 멀티 시약 팀에 코드 도구 없음.
CAMEL: 첫 번째 LLM 멀티 시약 프레임 워크와 에이전트의 스케일링 법을 찾는 오픈 소스 커뮤니티.
PraisonAI: PraisonAI 응용 프로그램은 AutoGen 및 CrewAI 또는 유사한 프레임 워크를 구축 및 관리하기위한 낮은 코드 솔루션으로 단순성, 사용자 정의 및 효율적인 인간 시약 협력에 초점을 맞추고 있습니다.
IoA: 협업 AI 에이전트를위한 오픈 소스 프레임 워크, 인터넷과 같은 연결을 통해 팀에 다양한 분산 에이전트를 가능하게합니다.
llama-agentic-system : Llama Stack API의 Agentic 구성 요소.
Agent Zero: Agent Zero는 사전 정의된 에이전트 프레임워크가 아닙니다. 그것은 당신이 그것을 사용하는 것과 같이 동적인, 유기적으로 성장하고, 학습하기 위하여 디자인됩니다.
Agents: Data-centric를 위한 Open-source Framework, 자기 진화 자율 언어 에이전트.
AgentScope: LLM-empowered 다중 시약 응용을 쉽게 구축하십시오.
FastAgency: 멀티 시약 워크플로우를 생산하는 가장 빠른 방법.
Swarm: 멀티 시약 시스템 구축, 관현 및 배포를 위한 프레임워크 OpenAI 솔루션 팀에 의해 관리. 실험 프레임.
Agent-S: 인간처럼 컴퓨터를 사용하는 열린 Agentic Framework.
PydanticAI: Agent Framework / shim를 사용하여 Pydantic을 LLMs로 사용합니다.
Agentarium: AI-powered Agent로 팝업된 시뮬레이션 생성 및 관리를위한 오픈 소스 프레임 워크.
smolagents: 대리인을 위한 barebones 도서관. 에이전트는 도구와 관현악을 호출하는 python 코드를 작성합니다.
Cooragent: Cooragent는 AI 에이전트 협업 커뮤니티입니다.
Agno: Agno는 메모리, 지식, 도구 및 이유를 가진 건물 대리인을 위한 경량 도서관입니다.
Suna: 오픈 소스 Generalist AI 에이전트.
rowboat: AI는 몇 분 안에 멀티 시약 워크플로우를 구축합니다.
EvoAgentX: AI Agents의 자체 진화 생태계 구축.
ii-agent: 새로운 오픈 소스 프레임 워크 구축 및 배포 지능형 에이전트.
OWL: Real-World Task Automation의 일반 Multi-Agent 지원을위한 최적화 된 인력 학습.
OpenManus: 요새 없음, 순전히 열린 땅. OpenManus가 있습니다.
JoyAgent-JDGenie: 업계 최초의 고완전한 유전 적 멀티-intelligence 제품
coze-studio: 모든-in-one 시각적 도구와 AI 에이전트 개발 플랫폼, 에이전트 생성을 단순화, 디버깅, 그리고 결코 전에 같은 배포.
OxyGent: 개발자가 생산-ready 지능형 시스템을 신속하게 구축하도록 지원하는 고급 Python 프레임 워크.
LazyCraft: LazyCraft는 LazyLM을 기반으로 한 AIAgent 애플리케이션 개발 및 관리 플랫폼입니다. 개발자가 낮은 임계값, 저렴한 비용으로 큰 모델 응용 프로그램을 신속하게 구축하고 게시하도록 설계되었습니다.
OpenAgents: 오픈 협업을 위한 AI Agent Networks
SandBox: 단일 도커 컨테이너에 브라우저, 쉘, 파일, MCP 및 VSCode Server를 결합하는 AI Agents 용 All-in-One Sandbox.
DeepAnalyze: 자율주행 데이터 과학을 위한 First Agentic LLM, 특정 데이터 작업 지원(데이터 준비, 분석, 모델링, 시각화, 통찰력) 및 데이터 중심 딥 연구(produce Analyst-grade research report).
Astron Agent: 차세대 SuperAgents 구축을 위한 Enterprise-grade, 상업용 에이전트 워크플로 플랫폼.
Youtu-Agent: 오픈소스 모델과 함께 제공하는 간단한 강력한 에이전트 프레임워크.
MiroThinker: OpenAI 딥 리서치 및 Gemini 딥 리서치의 깊은 연구 경험과 일치하기를 목표로하는 도구 증강 요원 및 실제 정보를 위해 구축 된 오픈 소스 검색 에이전트 모델.
Nexent: 자동 생성 에이전트를위한 Zero-code 플랫폼 - 관현 없음, 필요한 복잡한 드래그 앤 드롭, 원하는 에이전트를 개발하기 위해 순수한 언어를 사용하여.
Yunjue-Agent: 완전 Reproducible, Zero-Start In-Situ Self-Evolving Agent System for Open-Ended Tasks.
Hindsight: AI Agent를 위한 최첨단 장기 기억. 오픈 소스, 자체 호스팅, LangChain, CrewAI, LlamaIndex, MCP 등에 대한 통합.
AgentsMesh: AI Agent Workforce 플랫폼 원격 AI 워크스테이션(AgentPods), PTY 샌드박스 + git worktree 고립, 채널 기반 에이전트 협업, 내장 Kanban 및 per-pod MCP 서버와 함께 셀프 호스팅 멀티 시약 오케스트라션. Claude Code, Codex CLI, Gemini CLI, Aider, OpenCode를 지원합니다.
BitFun: Rust/Tauri 데스크톱 앱과 코딩, 연구, 사무실 작업, 브라우저 및 데스크톱 자동화를 위한 오픈 소스 에이전트 개발 환경, MCP, Skills 및 custom Agent를 통해 확장 가능

제품 정보

pi: AI 에이전트 툴킷 : 통합 LLM API, 에이전트 루프, TUI, 코딩 에이전트 CLI.
DeepSeek Harness: 모든 것은 플러그인입니다.
OpenSquilla: 토큰 효율, microkernel AI 에이전트.
PenguinHarness: 자동화 된 에이전트 빌더, 데스크탑 / 서버에서 오른쪽.
FrontierAgent: 장기 연구 및 파일 기반 작업을위한 오픈 소스 에이전트 실행 시간, 터미널 제품 및 평가 스위트.

맨 위로 돌아 가기

연구분야

맨 위로 돌아 가기

이름 *

Cloi CLI: 터미널에서 실행되는 로컬 디버깅 에이전트.
사이트 맵
₢ 킹
다운로드
회사 소개
윈도우
cline
사이트 맵
사이트맵
Roo Code
Kilo Code
이메일:
Claude Code (🔥)
Claude Code (🔥) + 더보기 Happy Coder / 한국어 CodePilot / 한국어 cc-connect
Gemini CLI
Serena
Claudia
OpenCode
키로
소프트웨어
키로
CodeX (🔥)
Kimi-CLI
opencode
Multica
Atomic Agent
DeepSeek Harness

맨 위로 돌아 가기

동영상 Video

주요 특징

[!NOTE] ·Awesome-Video-Diffusion

제품정보

Wan2.1-VACE-14B: https://huggingface.co/Wan-AI/Wan2.1-VACE-14B
Ditto: https://github.com/EzioBy/Ditto
Bernini (🔥): https://github.com/bytedance/Bernini
JoyAI-Video-Edit: https://huggingface.co/jdopensource/JoyAI-Video-Edit

교육과정

Practical 도구

PySceneDetect: Python 및 OpenCV 기반 씬 컷/전송 감지 프로그램 및 라이브러리.
DOVER: Aesthetic 및 Technical Perspectives의 콘텐츠 생성에 대한 비디오 품질 평가.
ArtiMuse: Joint Scoring 및 Expert-Level Understanding를 통한 Fine-Grained Image Aesthetics 평가

맨 위로 돌아 가기

이름 *

제품 정보

awesome-nano-banana
Awesome-Nano-Banana-images
HunyuanImage-3.0：https://github.com/Tencent-Hunyuan/HunyuanImage-3.0
Seedream 4.0：https://arxiv.org/abs/2509.20427
LongCat-Image：https://huggingface.co/meituan-longcat/LongCat-Image
Z-Image-Turbo：https://huggingface.co/Tongyi-MAI/Z-Image-Turbo
- https://huggingface.co/inclusionAI/TwinFlow
Qwen-Image：https://huggingface.co/Qwen/Qwen-Image
Qwen-Image-2512：https://huggingface.co/Qwen/Qwen-Image-2512
Z-Image：https://huggingface.co/Tongyi-MAI/Z-Image
ERNIE-Image: https://huggingface.co/baidu/ERNIE-Image
- ERNIE-Image-Turbo: https://huggingface.co/Baidu/ERNIE-Image-Turbo
Nucleus-Image: https://huggingface.co/NucleusAI/Nucleus-Image
HiDream-O1-Image: https://huggingface.co/HiDream-ai/HiDream-O1-Image
Ideogram 4: https://github.com/ideogram-oss/ideogram4
Boogu-Image: https://github.com/boogu-project/Boogu-Image
Krea-2-Raw: https://huggingface.co/krea/Krea-2-Raw
SenseNova-U1: https://github.com/OpenSenseNova/SenseNova-U1
Mage-Flow: https://huggingface.co/collections/microsoft/mage
Qwen-Image-2.1: https://huggingface.co/Qwen/Qwen-Image-2.1

제품정보

ChronoEdit-14B: https://huggingface.co/nvidia/ChronoEdit-14B-Diffusers
Eigen-Banana-Qwen-Image-Edit: https://huggingface.co/eigen-ai-labs/eigen-banana-qwen-image-edit
Qwen-Image-Edit-2509: https://huggingface.co/Qwen/Qwen-Image-Edit-2509
- Upscale: https://huggingface.co/vafipas663/Qwen-Edit-2509-Upscale-LoRA
- Multiple-angles: https://huggingface.co/dx8152/Qwen-Edit-2509-Multiple-angles
- Multi-Angle-Lighting: https://huggingface.co/dx8152/Qwen-Edit-2509-Multi-Angle-Lighting
LongCat-Image-Edit: https://huggingface.co/meituan-longcat/LongCat-Image-Edit
Qwen-Image-Edit-2511: https://huggingface.co/Qwen/Qwen-Image-Edit-2511
- Qwen-Image-Edit-2511-Upscale2K: https://huggingface.co/valiantcat/Qwen-Image-Edit-2511-Upscale2K
- Qwen-Image-Edit-2511-Multiple-Angles-LoRA: https://huggingface.co/fal/Qwen-Image-Edit-2511-Multiple-Angles-LoRA
FireRed-Image-Edit: https://huggingface.co/FireRedTeam/FireRed-Image-Edit-1.0
JoyAI-Image-Edit: https://huggingface.co/jdopensource/JoyAI-Image-Edit

교육과정

Ostris：https://github.com/ostris/ai-toolkit
FlymyAI：https://github.com/FlyMyAI/flymyai-lora-trainer
Nitro-T：https://github.com/AMD-AGI/Nitro-T
(🔥) DiffSynth-Studio：https://github.com/modelscope/DiffSynth-Studio
Musubi Tuner: https://github.com/kohya-ss/musubi-tuner
SimpleTuner: https://github.com/bghira/SimpleTuner
MS Training: https://www.modelscope.cn/aigc/modelTraining
Finetune HunyuanImage-3.0: https://github.com/PhotonAISG/hunyuan-image3-finetune
OneTrainer: https://github.com/Nerogar/OneTrainer
Finetune LongCat-Image and Edit: https://github.com/meituan-longcat/LongCat-Image/tree/main/train_examples
Flow-Factory: https://github.com/X-GenGroup/Flow-Factory
UniRL: https://github.com/Tencent-Hunyuan/UniRL

연구분야

ULMEvalKit：https://github.com/ULMEvalKit/ULMEvalKit

제품정보

OpenSearch GPT: SearchGPT / Perplexity 복제, 그러나 당신을 위해 개인화.
MindSearch: 웹 검색 엔진의 LLM 기반 멀티 시약 프레임 워크 (Perplexity.ai Pro 및 SearchGPT와 같은).
nanoPerplexityAI: perplexity.ai의 가장 간단한 오픈 소스 구현.
curiosity: Perplexity-like 사용자 경험을 구축하려고 합니다.
MiniPerplx: 인터넷에 대한 정보를 찾는 데 도움이되는 최소한의 AI 기반 검색 엔진.

맨 위로 돌아 가기

본문 바로가기

SpeechGPT-2.0-preview: https://github.com/OpenMOSS/SpeechGPT-2.0-preview
Moss-TTSD：https://github.com/OpenMOSS/MOSS-TTSD
Index-TTS：https://github.com/index-tts/index-tts
MegaTTS3：https://github.com/bytedance/MegaTTS3
F5-TTS：https://github.com/SWivid/F5-TTS
GPT-SoVITS：https://github.com/RVC-Boss/GPT-SoVITS
CosyVoice：https://github.com/FunAudioLLM/CosyVoice
Spark-TTS：https://github.com/SparkAudio/Spark-TTS
OpenVoice：https://github.com/myshell-ai/OpenVoice
Dia：https://github.com/nari-labs/dia
ChatTTS：https://github.com/2noise/ChatTTS
Fish Speech：https://github.com/fishaudio/fish-speech
Edge-TTS：https://github.com/rany2/edge-tts
Bark：https://github.com/suno-ai/bark
kokoro: https://github.com/hexgrad/kokoro
Higgs 오디오 V2: https://github.com/boson-ai/higgs-audio 【특전】Training·
KittenTTS: https://github.com/KittenML/KittenTTS
ZipVoice: https://github.com/k2-fsa/ZipVoice
VyvoTTS: https://github.com/Vyvo-Labs/VyvoTTS
VibeVoice: https://github.com/microsoft/VibeVoice
Index-TTS-2: https://huggingface.co/IndexTeam/IndexTTS-2
FireRedTTS2: https://github.com/FireRedTeam/FireRedTTS2
VoxCPM: https://github.com/OpenBMB/VoxCPM/
Neutts-Air: https://github.com/neuphonic/neutts-air
Maya1: https://huggingface.co/maya-research/maya1
VibeVoice: https://huggingface.co/collections/microsoft/vibevoice
GLM-TTS: https://github.com/zai-org/GLM-TTS
Fun-CosyVoice3: https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512
Qwen3-TTS:https://huggingface.co/collections/Qwen/qwen3-tts
Ming-Omni-TTS: https://github.com/inclusionAI/Ming-omni-tts
VoxCPM2: https://huggingface.co/openbmb/VoxCPM2
OmniVoice: https://github.com/k2-fsa/OmniVoice
MOSS-TTS-v1.5: https://huggingface.co/OpenMOSS-Team/MOSS-TTS-v1.5
Higgs Audio v3 TTS: https://huggingface.co/bosonai/higgs-audio-v3-tts-4b
Confucius4-TTS: https://github.com/netease-youdao/Confucius4-TTS
Dia-1.6B: https://huggingface.co/nari-labs/Dia-1.6B-0626
FireRedTTS3: https://github.com/FireRedTeam/FireRedTTS3

Kyutai: https://github.com/kyutai-labs/delayed-streams-modeling
Whisper: https://github.com/openai/whisper
Audio Flamingo 3: https://huggingface.co/nvidia/audio-flamingo-3
Voxtral: https://huggingface.co/mistralai/Voxtral-Mini-3B-2507
Step-Audio2: https://github.com/stepfun-ai/Step-Audio2
SoulX-Podcast: https://huggingface.co/collections/Soul-AILab/soulx-podcast
Omnilingual ASR: https://github.com/facebookresearch/omnilingual-asr
Fun-ASR: https://huggingface.co/FunAudioLLM/Fun-ASR-Nano-2512
FunASR: https://github.com/modelscope/FunASR
SenseVoice: https://github.com/FunAudioLLM/SenseVoice
VibeVoice-ASR: https://huggingface.co/microsoft/VibeVoice-ASR
Qwen3-ASR: https://github.com/QwenLM/Qwen3-ASR
Mega-ASR: https://github.com/xzf-thu/Mega-ASR
MOSS-Transcribe-Diarize: https://huggingface.co/OpenMOSS-Team/MOSS-Transcribe-Diarize

음성 상호 작용

Fun-Audio-Chat: https://huggingface.co/FunAudioLLM/Fun-Audio-Chat-8B
Chroma 1.0: https://huggingface.co/FlashLabs/Chroma-4B
AudioInteraction: https://huggingface.co/zhifeixie/AudioInteraction

맨 위로 돌아 가기

세계 모델

주요 특징

ShadowDancer: https://github.com/AlayaLab/ShadowDancer
PhiZero: https://github.com/yaoyao-jpg/PhiZero
Wonder: https://arxiv.org/pdf/2607.26037
open-dreamer: https://github.com/next-state/open-dreamer
Cosmos3-Edge: https://huggingface.co/nvidia/Cosmos3-Edge
WorldWander: https://github.com/showlab/WorldWander
Matrix-Game-3.5: https://github.com/Riemann-Dynamics/Matrix-Game-3.5
ABot-World: https://github.com/amap-cvlab/ABot-World
LingBot-World-V2: https://huggingface.co/collections/robbyant/lingbot-world-v2
AlayaWorld: https://github.com/AlayaLab/AlayaWorld
MoWorld: https://moxin-tech.github.io/moworld/
Warp-as-History: https://github.com/yyfz/Warp-as-History
MIRA: https://github.com/mira-wm/mira 멀티플레이어
ActWorld: https://interactwm.github.io/ActWorld/
Sana-WM: https://nvlabs.github.io/Sana/WM/
Cosmos-3: https://github.com/nvidia/cosmos
DreamX-World-5B: https://huggingface.co/GD-ML/DreamX-World-5B
DreamX-World-5B-Cam: https://modelscope.cn/models/GD-ML/DreamX-World-5B-Cam
Astra: https://eternalevan.github.io/Astra-project/
Yume-5B: https://huggingface.co/stdstu123/Yume-5B-720P
LingBot-World: https://github.com/robbyant/lingbot-world
HY-WorldPlay: https://huggingface.co/tencent/HY-WorldPlay
Matrix-Game-3.0: https://huggingface.co/Skywork/Matrix-Game-3.0
Matrix-Game-2.0: https://huggingface.co/Skywork/Matrix-Game-2.0
Waypoint-1.5-1B: https://huggingface.co/Overworld/Waypoint-1.5-1B
Hunyuan-GameCraft: https://hunyuan-gamecraft.github.io/
AlayaWorld: https://github.com/AlayaLab/AlayaWorld
WorldWander: https://github.com/showlab/WorldWander

제품 정보

nano-world-model: https://github.com/simchowitzlabpublic/nano-world-model
minWM: https://github.com/shengshu-ai/minWM
stable-worldmodel: https://github.com/galilai-group/stable-worldmodel
OpenWorldLib: https://github.com/OpenDCAI/OpenWorldLib
BiWM: https://github.com/LynnReal-AI/BiWM

맨 위로 돌아 가기

Lobster 오픈클릭

MultiUserClaw: https://github.com/johnson7788/MultiUserClaw
ClawManager: https://github.com/Yuan-lab-LLM/ClawManager
Qclaw: https://github.com/qiuzhi2046/Qclaw
NEXU: https://github.com/nexu-io/nexu
OpenHanako: https://github.com/liliMozi/openhanako

맨 위로 돌아 가기

통합 모델

이제 unified 모델이 왔습니다.理解+生成♪ 턴 ♪理解+生成+编辑

Emu-2：https://arxiv.org/abs/2312.13286
Emu-3：https://arxiv.org/abs/2409.18869
Emu-1：https://arxiv.org/abs/2307.05222
Janus：https://github.com/deepseek-ai/Janus
Janus-Pro：http://arxiv.org/abs/2508.05954
show-o：https://arxiv.org/abs/2408.12528
Any-GPT：https://arxiv.org/abs/2402.12226
Next-GPT：https://arxiv.org/pdf/2309.05519.pdf
CoDi：https://arxiv.org/abs/2305.11846
Seed-X：https://arxiv.org/abs/2404.14396
Dream-LLM：https://arxiv.org/abs/2309.11499
Chameleon：https://arxiv.org/abs/2405.09818
Spider：https://arxiv.org/abs/2411.09439
MedViLaM：https://arxiv.org/abs/2409.19684
VITRON：https://github.com/SkyworkAI/Vitron
TokenFlow：https://github.com/ByteFlow-AI/TokenFlow
OneDiffusion：https://github.com/lehduong/OneDiffusion
MetaMorph: https://arxiv.org/abs/2412.14164
LlamaFusion：https://arxiv.org/abs/2412.15188
InstructSeg：https://arxiv.org/abs/2412.14006
VILA-U：https://arxiv.org/abs/2409.04429
Ullava: https://github.com/OPPOMKLab/u-LLaVA
ILLUME: https://arxiv.org/abs/2412.06673
Vitron:https://arxiv.org/abs/2412.19806
SynerGen-VL：https://arxiv.org/abs/2412.09604
Align Anything：https://arxiv.org/abs/2412.15838
Mico：https://arxiv.org/abs/2406.09412
OneLLM:https://arxiv.org/abs/2312.03700
X-VILA:https://arxiv.org/abs/2405.19335
OLA：https://arxiv.org/abs/2502.04328
Transfusion: https://arxiv.org/abs/2408.11039
JanusFlow: https://arxiv.org/abs/2411.07975
HealthGPT：https://arxiv.org/abs/2502.09838 명문
BAGEL：https://arxiv.org/abs/2505.14683
Qwen2.5-Omni：https://arxiv.org/abs/2503.20215
X2I：https://arxiv.org/abs/2503.06134
Bifrost-1：https://arxiv.org/abs/2508.05954
OmniGen2：https://arxiv.org/abs/2506.18871
UniPic：https://github.com/SkyworkAI/UniPic
VeOmni：https://github.com/ByteDance-Seed/VeOmni 교육
NextStep-1：https://arxiv.org/abs/2508.10711
UniUGG: https://arxiv.org/abs/2508.11952 ₢ 킹
Omni-Video：https://arxiv.org/abs/2507.06119
OneCAT：https://arxiv.org/abs/2509.03498
Lumina-DiMOO：https://github.com/Alpha-VLLM/Lumina-DiMOO
UAE：https://github.com/PKU-YuanGroup/UAE
RecA：https://arxiv.org/abs/2509.07295
UniLM：https://arxiv.org/abs/1905.03197
Hyper-Bagel：https://arxiv.org/abs/2509.18824
Ming-UniVision：https://arxiv.org/abs/2510.06590
EditVerse：https://arxiv.org/abs/2509.20360
LightBagel: https://arxiv.org/abs/2510.22946
DreamLLM: https://arxiv.org/abs/2309.11499
X-Omni: https://arxiv.org/abs/2507.22058
Ming-flash-omni-Preview: https://huggingface.co/inclusionAI/Ming-flash-omni-Preview
Omni-View: https://arxiv.org/abs/2511.07222
NExT-OMNI: https://arxiv.org/abs/2510.13721
Uni-MoE-2.0-Omni: https://arxiv.org/abs/2511.12609
LongCat-Flash-Omni: https://huggingface.co/meituan-longcat/LongCat-Flash-Omni
ShapeLLM-Omni: https://arxiv.org/abs/2506.01853
UniGen-1.5: https://arxiv.org/abs/2511.14760
Jodi: https://arxiv.org/abs/2505.19084
UniModel: https://arxiv.org/abs/2511.16917
TUNA: https://arxiv.org/abs/2512.02014
HBridge: https://arxiv.org/abs/2511.20520
EMMA: https://arxiv.org/abs/2512.04810
OpenOmni: https://github.com/RainBowLuoCS/OpenOmni
Ming-Flash-Omni: https://arxiv.org/abs/2510.24821
STAR: https://github.com/mm-mvr/star
InternVL-U: https://github.com/OpenGVLab/InternVL-U
LongCat-Next: https://github.com/meituan-longcat/LongCat-Next
SenseNova-U1: https://huggingface.co/sensenova/SenseNova-U1-8B-MoT-SFT
TUNA-2: https://github.com/facebookresearch/tuna-2
Lance: https://github.com/bytedance/Lance
JoyAI-VL-Interaction: https://arxiv.org/abs/2606.14777 `Interaction`````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````
MOSS-VL-Realtime: https://huggingface.co/OpenMOSS-Team/MOSS-VL-Realtime `Interaction`````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````
SenseNova-Vision: https://huggingface.co/collections/sensenova/sensenova-vision
Mage-VL: https://huggingface.co/microsoft/Mage-VL `Interaction`````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````````

맨 위로 돌아 가기

한국어

맨 위로 돌아 가기

(주)

LLM 소개

포장 세부 사항:
개인 정보 보호 정책
LLM 코스의 임원
ACL 20 의 데이터베이스
llm-course: Course to get into Large Language Models (LLMs) with roadmaps and Colab notebooks.
微软: Generative AI for Beginners
Microsoft: GPT의 상태
HuggingFace NLP Course
Qinghua, NLP, Liu Zhiyuan 팀 모델
스탠포드: 변압기 미국 V4
포장 세부 사항:
프린스턴 COS 597G (팔 2022)
존스 홉킨스 CS 601.471/671 NLP
이홍이제이코스
openai-cookbook: OpenAI API를 사용하는 예제 및 가이드.
Hands on llms: LLM, LLMOps 및 벡터 DBS에 대해 자세히 알아보세요. 디자인, 훈련 및 실시간 금융 자문 LLM 시스템을 배포합니다.
대학파티
Mistral: 미스트럴 설정
스탠포드: 변압기 미국 V4
프로그램 개요
LangGPT: 모든 사람이 신속한 전문가가 될 수 있습니다!
mistralai-cookbook
2024년
build nanoGPT: nanoGPT 스크래치 구축에 대한 Video+code 강의.
LLM101n: Storyteller를 구축합시다.
RAG에 대해
LLMs From Scratch (Datawhale Version)
공지사항
AGI로 오시는 길
Andrej Karpathy - 무서운 무서운
변압기의
andysingal/llm-course
LM 시리즈
Google Advanced: 개발자 학습 지원
Anthropics：Prompt Engineering Interactive Tutorial
LLMsBook
큰 모델
Cohere LLM 대학
변압기 및 변압기
Smol Vision: 수축, 최적화, 사용자 정의 절단 가장자리 비전 모델을위한 조리법.
화상 채팅
LLMs Interview Note
생산 라인: 고급 RAG 코스.
AI 아카데미: LLM, Structured 출력 및 LLM 과정과 함께하는 Finetuning.
소프트웨어 및 소프트웨어
스크래치에서 RAG 자세히 알아보기 Python AI 튜토리얼
교육 과정
HuggingFace Learn
Andrej Karpathy : ChatGPT와 같은 LLM 딥 다이브
LLM技术科普
CS25: 변압기 미국 V5
RAG_Techniques: 이 저장소는 Retrieval-Augmented Generation (RAG) 시스템에 대한 다양한 첨단 기술을 보여줍니다. RAG 시스템은 유전적 모델과 정보를 결합하여 정확하고 정교하게 풍부한 응답을 제공합니다.
100+ LLM & RL Algorithm Maps | 原创 LLM / RL 100+原理图
엑소시비션
NanoChat: 최고의 ChatGPT 그 $100 살 수있다.
스탠포드의 CS146S
엑소시비션

맨 위로 돌아 가기

댓글 RSS

맨 위로 돌아 가기

이름 *

[!NOTE] ·Huggingface Daily Papers·종이 종이 종이·ML Papers Explained

맨 위로 돌아 가기

- 연혁

맨 위로 돌아 가기

모델 컨텍스트 프로토콜 MCP

MCP 공구 집계:

맨 위로 돌아 가기

스킬 스킬

맨 위로 돌아 가기

열기 o1

[!NOTE]

열린 기술은 우리의 영원한 추적입니다.

맨 위로 돌아 가기

열기 o3

Mini-o3: https://arxiv.org/abs/2509.07969
Simple-o3: https://arxiv.org/abs/2508.12109
Thyme: https://arxiv.org/abs/2508.11630
Open o3 Video: https://arxiv.org/abs/2510.20579

맨 위로 돌아 가기

소형 모델

맨 위로 돌아 가기

작은 비디오 언어 모델

맨 위로 돌아 가기

기술 팁

LLMs (Part I)와 함께 한 해 배우는 것
LLMs (Part II)와 함께 한 해 배우는 것
LLMs (Part III)와 함께 한 해 배우는 것입니다.
사이트맵
LLM 소개
LLM을 사용하여
LLMs: 최고의 가격
LLM 가격
Uncensor any LLM with abliteration
Tiny LLM Universe
Zero-Chatgpt
Zero-Qwen-VL
finetune-Qwen2-VL
MPP-LLaVA
build_MiniLLM_from_scratch
Tiny LLM zh
MiniMind: 2G 그래픽 카드의 최소 2G 그래픽 카드와 26M의 작은 매개 변수와 0에서 GPT를 완전히 훈련하는 3 시간.
LLM-Travel: 더 이해하기 위해, 탐구 및 기술, 원칙 및 대형 모델과 관련된 응용
자료: LLM의 과립
부분 1: 큰 아랍어
제 2 부 : 톤
부품 3 : 미세 톤수
Reader-LM: 모든 모델 청소 및 HTML Markdown로 변환
LLMs는 1 년의 심장을 기반으로합니다.
교육 - Pretrain
pytorch-llama: PyTorch의 스크래치에서 구현되는 LLaMA 2.
Preference Optimization for Vision Language Models with TRL 【특전】support model·
Fine-tuning visual language models using SFTTrainer 【특전】docs·
비주얼 가이드
라이브 채팅
Distributed Training Guide: 분산 된 pytorch 훈련 코드를 쓰는 방법에 대한 모범 사례 및 가이드.
채팅하기
전체 20 + RAG 인터뷰 질문
LLM-Dojo 开源大模型学习场所，使用简洁且易阅读的代码构建模型训练框架
o1 니다.
엠에디터 매크로 참조:Bright Search
… … … … … … … … … … … … … … … … … … … . .
The Ultra-Scale Playbook: Training LLMs on GPU Clusters

맨 위로 돌아 가기

기여자:

이 프로젝트가 당신을 도울 것이라고 생각한다면, 견적하십시오:

@misc{wang2024llm,
      title={awesome-LLM-resourses},
      author={Rongsheng Wang},
      year={2024},
      publisher = {GitHub},
      journal = {GitHub repository},
      howpublished = {\url{https://github.com/WangRongsheng/awesome-LLM-resourses}},
}

Alt

HagiCode

HagiCode는 에이전트 코딩 작업 공간입니다. 풍부하고 편리한 UI 상호작용으로 계획 수립, 에이전트 실행, 프로젝트 작업을 쉽게 시작하고 따라가며 개발을 더 흥미로운 경험으로 만듭니다.

풍부하고 편리한 UI 상호작용으로 계획부터 프로젝트 작업까지 쉽게 따라갈 수 있습니다.

HagiCode 방문 문서 읽기

스마트OpenSpec 워크플로는 의도를 제안, 설계, 작업을 거쳐 배포까지 이어지는 실행 가능한 경로로 바꿉니다.
효율적다중 에이전트 실행으로 조사, 구현, 검토를 병렬로 진행하며 여러 저장소와 익숙한 Agent CLI를 지원합니다.
흥미로운풍부하고 편리한 UI 상호작용으로 계획 수립, 에이전트 실행, 프로젝트 작업을 쉽게 시작하고 따라갈 수 있습니다.

Windows용 다운로드

Microsoft Store에서 받기

모든 다운로드

HagiCode는 풍부하고 편리한 UI 상호작용으로 계획 수립, 에이전트 실행, 프로젝트 작업을 쉽게 시작하고 따라갈 수 있게 합니다: https://www.hagicode.com/

아이디어를 실제로 배포되는 소프트웨어로.

HagiCode는 에이전트 코딩 작업 공간입니다. OpenSpec 워크플로로 변경을 계획하고, 다중 에이전트 실행으로 진행하며, Hero Scenario로 긴 작업의 진행 상황을 한눈에 보여 아이디어를 실제로 배포되는 소프트웨어로 만듭니다.

HagiCode 다운로드 제품 문서

스마트: OpenSpec 워크플로는 의도를 제안부터 배포까지 이어지는 실행 가능한 경로로 바꿉니다.
효율적: 다중 에이전트 실행으로 조사, 구현, 검토를 병렬로 진행합니다.
즐거운: 편리한 UI 상호작용으로 계획, 에이전트 실행, 프로젝트 작업을 쉽게 따라갈 수 있습니다.

LLM Resources

우리는 친구가 될 것입니다.

이름 *

(주)

팟캐스트

자료실

연락처

대리인 RL

관련 기사

연구분야

- 연혁

지식 베이스 RAG

제품정보

제품 정보

연구분야

한국어

다운로드

사이트맵

이름 *

가득 차있는 자동 과학.

이름 *

동영상 Video

주요 특징

제품정보

교육과정

관련 기사

Practical 도구

이름 *

제품 정보

제품정보

교육과정

교육과정

연구분야

관련 기사

제품정보

본문 바로가기

사이트맵

사이트맵

음성 상호 작용

세계 모델

주요 특징

제품 정보

Lobster 오픈클릭

통합 모델

한국어

(주)

댓글 RSS

이름 *

- 연혁

모델 컨텍스트 프로토콜 MCP

스킬 스킬

열기 o1

열기 o3

소형 모델

작은 비디오 언어 모델

기술 팁

HagiCode

Windows용 다운로드

HagiCode 공유

아이디어를 실제로 배포되는 소프트웨어로.

쿠키 및 분석

필수: 항상 켜짐

분석: 허용 전까지 꺼짐