Skip to content
HagiCodeAwesome Site

Select language

目前語言: 繁體中文

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.

世界最佳大語言模型資源概述.

挖掘真正有價值的項目, 首

[!TIP] 如果你是對的對醫學數據集/大模型/多式联运/评估相關資源的兴趣請到我們這裡來 Awesome-AI4Med !

我們會是朋友的

Section titled “我們會是朋友的”

packyapi.ai PackyCode是一個穩定有效的API中轉服務提供商, 统一域名 统一金鑰 智能剖面開關 97%的可用性 人民幣1:1,不收汇率,不收費坑,新用户首度折扣+1元免費經驗,多組折扣低至2折以提供Codex/Claude高速公路.


點擊以登記此連結, 立即開始 !

Infistar.cc 謝謝你,Infistar.cc, 贊助這個項目。


* 稳定和高效的模型通道:官方通道的价格低至0.30%,模型多而透明,多個節點是多余的,流量限制、429和切斷效果有效降低;
一站式存取主流模型: API金鑰可以存取主流模型, 如克勞德、ChatGPT、雙子座、Kimi、GLM、DeepSeek, 包括文字生成、影像生成、多模式推理;
相容性:多模組產生、辅助編程、模型推理或MCP/Agent發展、Infistar可直接在上游使用,


• 唯一的效益:通过只促進連結登記將得到5美元等值的測試量 / 第一項單位,快速存取,開始呼叫!

APIMart 多虧了APIMart赞助了這個項目! APIMart是一個低價的API平台, 專注於 AI 影像/視頻生成, GPT-Image-2低於$0. 圖片、影片、一套行走者、API、工作以取得ID、召回、多次跑步、改變模型而不變更密碼。 按量支付,不按月支付,通过此. 登記連結 有登記記錄

附 件

Section titled “附 件”

推荐

Section titled “推荐”

播客

Section titled “播客”

資料

Section titled “資料”

[!NOTE]

名在此数据,但這不提供特定的數據集,而是處理大尺度資料采集的方法

  1. AotoLabel: 標籤, 用 LLMs 清理並丰富文字資料集 。
  2. LabelLLM:開源資料註解平台.
  3. data-juicer: 一站式資料處理系統,
  4. OmniParserCSV、JSON、XML、EDI、文字等。
  5. MinerU (🔥): MinerU是一站式,開源式,高质量的資料提取工具,支持PDF/webpage/e-book提取.
  6. PDF-Extract-Kit:高品质PDF内容提取综合工具箱。
  7. Parsera: 用 LLMs 刮掉網站的輕量級文庫。
  8. Sparrow: Sparrow 是從各种文件及影像中高效提取及處理資料的创新性開源解决方案。
  9. Docling把文件做好給Gen AI
  10. GOT-OCR2.0OCR模型。
  11. LLM Decontaminator: 用重述的樣本重新思考語言模型的基准與污染.
  12. DataTrove: DataTrove 是一個大尺度處理、過滤和複製文字資料的文庫。
  13. llm-swarm:生成大型合成数据集,如 Cosmopedia.
  14. Distilabel:Distilabel是一個框架,
  15. Common-Crawl-Pipeline-Creator: 常见的爬行管造型.
  16. Tabled: 偵測和提取表格以標記下和csv.
  17. ZeroxGpt-4o-mini的零射擊 pdf OCR。
  18. DocLayout-YOLO: 通过多元合成資料和全局到本地的適應感增强文件佈局分析。
  19. TensorZero透過經驗,
  20. Promptwright: 用本地 LLM 產生大型合成資料 。
  21. pdf-extract-api: Document (PDF) 使用現代最新 OCRs + Ollama 支援的模型提取和剖析 API 。
  22. pdf2htmlEX: 轉換 PDF 到 HTML 不失去文字或格式。
  23. Extractous: 快速高效的無結構資料提取. 用 Rust 寫成, 有許多語言的捆綁 。
  24. MegaParse: 檔案解析器优化為 LLM 摄入而無損失 。
  25. MarkItDown: 轉換檔案和辦公室文件的 Python 工具。
  26. datasketch: datasketch 給予您概率化的資料結構,可以處理和搜尋非常多的數據超快,很少失去精度.
  27. semhash: 使用語义相似度去除數據集的輕量级且灵活的工具 。
  28. ReaderLM-v2: 一個 1. 5B 參數語言模型, 將原始 HTML 轉換成美麗格式化的標記下或 JSON 。
  29. Bespoke Curator: 數據校對 :
  30. LangKit: 用于監控大語模組( LLMs) 的開源工具箱。 從 mails 中提取信號, 确保安全 。
  31. Curator: 合成數據校準,
  32. olmOCR: 用于訓練語言模型的工具包,
  33. Easy Dataset (🔥): 建立 LLM 微調數據集的有力工具。
  34. BabelDOC: PDF 科學文件翻譯和双语比對圖書館.
  35. Dolphin: 經過异型安吉爾提示的影像解析文件 。
  36. EasyDistill:大語模組的易知沉淀.
  37. ContextGem: 一個自由開源的 LLM 框架, 讓從文件中提取有結構的資料與洞察力,
  38. OCRFlux: 一個輕量级但強大的多模式工具箱,
  39. DataFlow: 使用最新的 LLMS 運算器和管道的容易的資料准备 。
  40. DatasetLoom (multimodal): 用于大型多模組模型訓練的智能數據集的构建和评价平台.
  41. Logics-Parsing
  42. DeepSeek-OCR
  43. PaddleOCR-VL
  44. Chandra: 一個高度精确的 OCR 模型,在保存布局資訊的同时,將影像和 PDF 轉換成结构化的 HTML/Markdown/JSON 。
  45. HunyuanOCR由Hunyuan本土多模式架构提供電源。
  46. DeepSeek-OCR-2:视觉因果流.
  47. PaddleOCR-VL-1.5 (🔥): 向著強硬的在野文件解析的多任务 0. 9B VLM 。
  48. GLM-OCR: 用于複雜文件理解的多式 OCR 模型, 基于 GLM- V 編碼器– 解碼器架构 。

善解人意

Section titled “善解人意”
  1. LLaMA-Factory (🔥): 统一高效的100+ LLMS。
  2. 360-LLaMA-Factory: 统一高效的 100+ LLMs 的精细化( 支持長環境訓練的新增序列并行)
  3. unsloth (🔥): 2 -5X 速度快 80% 的內存 LLM 微調 。
  4. TRL:變形器强化學習.
  5. FireflyFirefly:支持訓練數十個大模型的大型模型訓練工具
  6. Xtuner: 高效、灵活和全功能的工具包,用于微調大型模型。
  7. torchtune: LLM Fine-調整的原住民- PyTorch 圖書館。
  8. Swift: 使用 PEFT 或 Full- Parameter 來微調 200+ LLM 或 15+ MLLM 。
  9. AutoTrain: 自動訓練、評估及部署最先进機器學習模型的新方式。
  10. OpenRLHF:易用、可伸缩和高性能的RLHF框架(支持70B+全調音 & LoRA & Mixtral & KTO)。
  11. Ludwig: 建立自訂LLMS的低碼框架, 神经網路, 以及其他AI模型.
  12. mistral-finetune: 一個輕量级的代碼基礎, 可以讓Mistral的模型具有記憶力和性能的微調。
  13. aikit: 微調, 建立,
  14. H2O-LLMStudio: H2O LLM Studio - 微調 LLMs 的框架與無碼 GUI 。
  15. LitGPT: Pretrain, 微調, 在您的數據上部署 20+ LLMS 。 使用最新技術 : flash recent, FSDP, 4位, LoRA 等 。
  16. LLMBox包括统一的訓練管道和全面模型評估。
  17. PaddleNLP: 易用且強大的 NLP 和 LLM 文庫.
  18. workbench-llamafactory: 這是一個 NVIDIA AI Workbench 範例專案,
  19. OpenRLHF:易用、可伸展和高性能的RLHF框架(70B+PPO Full Tuning & Interestative DPO & LoRA & Mixtral)。
  20. TinyLLaVA Factory: 小规模大型多式联运模式框架。
  21. LLM-Foundry: Databricks 基底模型的 LLM 訓練碼 。
  22. lmms-finetune: 用于微調( 完整, lora) 大型多模式模型的統一代碼基, 支援 lava- 1. 5, qwen- vl, lava- interleave, lava- next- video, phi3- v 等.
  23. Simplifine: Simplifine 讓您使用任何 Hugging Face 數據集或模型, 用一行碼來引用 LLM 微調 。
  24. Transformer Lab: 高级 LLM 的開啟源碼應用程式 工程:互動、列車、微調,
  25. Liger-Kernel: 高效的LLM訓練Triton Kernels.
  26. ChatLearn: 大規模配合的灵活有效的訓練框架。
  27. nanotron: 最小化的大型語言模型 3D-平行化訓練.
  28. Proxy Tuning: Tuning Language Models by Proxy. 維基共享資源中相关的數據: Tuning Languages models 由代理
  29. Effective LLM Alignment: 有效的 LLM 對齊工具箱。
  30. Autotrain-advanced
  31. Meta Lingua: 一個精致,高效,易用於研究LLMs的編碼基.
  32. Vision-LLM Alignemnt: 此寄存器包含了SFT, RLHF, 和 DPO 的代碼, 其設計為基于視覺的 LLMS, 包括 LLaVA 模型和 LLaMA- 3. 2 影像模型 。
  33. finetune-Qwen2-VL: 快速啟動 精調或繼續前列車 Qune2-VL模型.
  34. Online-RLHF提供網路RLHF和網路迭代DPO的食譜。
  35. InternEvo一個開源的輕量级訓練框架,
  36. veRL (🔥)LLM的火山引擎加固學習。
  37. 阿克索洛特勒: Axolotl 設計與 YAML 設定檔合作, 包含您需要的所有檔案, 以預覽數據集、 列車或微調模型、 執行模型推論或評估等等。
  38. Oumi: 你需要建立最先进的基底模型,端到端.
  39. Kiln: 微調 LLM 模型, 合成數據產生,
  40. DeepSeek-671B-SFT-Guide: DeepSeek-V3/R1 671B的完整參數微調的開源解决方案,包括從訓練到推測的完整程式碼和腳本,以及一些實驗和結論.
  41. MLX-VLM: MLX- VLM 是用 MLX 在您的 Mac 上推測和微調 Vision 語言模型的套件 。
  42. RL-Factory經過我們簡單有效的框架,
  43. RM-Gallery: 一站奖励模式平台。
  44. ART: 使用 GRPO 執行現實世界任务的雨多步代理 。 給你的特工們做工作訓練
  45. LMMs-Engine: 一個簡單的,任何對任何模式框架,用于預測和微調。 精益求精,柔和,建于研究.
  46. dLLM一個圖書館, 统一對傳播語言模式的訓練和评价, diffusion
  47. Miles大型的部門後訓練和製作工作。
  48. Skills: 一系列管道,
  49. Twinkle: 輕量级, 伺服器的訓練框架, 設計有模組式, 高聯系介面 。
  50. NeMo AutoModel: Pytorch 分布的本地訓練文庫, 供 LLMS/ VLM 使用 OTB Hugging Face 支援 。
  51. VeOmni: 放大任何模式性模式訓練,
  52. Soup校對:Soup 一次從主機RAM 一個解碼器層流出冰封基底,

代理 RL

Section titled “代理 RL”

推论

Section titled “推论”
  1. ollama (🔥): 与Llama 3,Mistral,Gemma,以及其他大型語言模特一起起來跑步.
  2. Open WebUI: LLMs(原Ollama WebUI)的易用WebUI。
  3. Text Generation WebUI:大語模組的Gradio網UI. 支援轉變器, GPTQ, AWQ, EXL2, lama.cpp (GGUF), Llama 型號 。
  4. Xinference一個強大的多功能文庫,
  5. LangChain: 建立上下文感知推理應用程式.
  6. LlamaIndex: 您的 LLM 應用程式的資料框架 。
  7. lobe-chat: 開源,現代設計 LLMS/AI 聊天框架. 支援多 AI 提供者、 多模式( Vision/ TTS) 及插件系統 。
  8. TensorRT-LLM: TensorRT-LLM 向使用者提供易用的 Python API , 以定義大語模組( LLMs) , 并建構包含最新最优化的 TensorRT 引擎, 以高效地在 NVIDIA GPU 上執行推論 。
  9. vllm (🔥): LLMs 的高通量和內存效率推測及服務引擎。
  10. LlamaChat:在本地的macOS應用程式中與你最喜歡的LLaMA模型聊天.
  11. NVIDIA 聊天: ChatRTX 是一個演示應用程式, 讓您個人化與自己的內容相連的 GPT 大語言模型( LLM) — docs, notes, 或其他資料 。
  12. LM 工作室 (QQ): 發現、下載和執行本地LLMS。
  13. chat-with-mlx: 使用 MLX 框架在 Apple Silicon 上自動聊天 。
  14. LLM 定价: 快為您的預算找到完美的大語言模型( LLM) API ! 使用我們的自由工具即時從頂級提供商取得最新價格 。
  15. Open Interpreter: 電腦的自然語言介面.
  16. Chat-ollama: 一個基于 LLMS 的開源聊天器。 它支持广泛的語言模型和知識基礎管理。
  17. chat-ui:開放源碼基礎,
  18. MemGPT: 建立 LLM 代理, 有長期內存和自訂工具 。
  19. koboldcpp: 使用 KoboldAI 的 UI 操作各种 GGML 和 GGUF 模型的簡單的單檔案方式 。
  20. LLMFarm: 拉瑪和其他大型語言模型在iOS和MacOS上使用GML库下線.
  21. enchanted依據創用CC授權使用
  22. Flowise: 拖放 UI 以建立您定制的 LLM 流 。
  23. Jan: Jan是 ChatGPT 的開放源碼替代程式, 它在您的電腦上100%下線 。 多重引擎支援 (llama.cpp, TensorRT-LLM).
  24. LMDeploy: LMDepplus是用于壓縮、部署和服務LLMs的工具包。
  25. RouteLLM: 服務與評估 LLM 路由器的框架──在不損害質量的情况下省下 LLM 成本 !
  26. MInference關於: 要加速 LLMs 的推測, 大致和动态的稀疏的計算注意力,
  27. Mem0: 個人化AI的記憶層.
  28. SGLang (🔥): SGLang是大型語言模型和视觉語言模型的又一快速服務框架.
  29. AirLLM: AirLLM 优化推算內存用量,讓70B大語模組在單一4GB GPU卡片上運作推算,而不用量化,蒸馏和奔跑. 你可以在8GB vram上跑405B Llama3.1
  30. LLMHub: LLMHub 是一個輕量级管理平台,旨在精简操作和與各种語言模型(LLM)的互動.
  31. YuanChat
  32. LiteLLM (🔥): 用 OpenAI 格式呼叫所有 LLM API [Bedrock, Huggingface, VertexAI, CollegeAI, Azure, OpenAI, Groq 等] 。
  33. GuideLLM: GuideLLM 是评价和优化大型語言模型(LLM)部署的有力工具.
  34. LLM-Engines:大型語言模型(LLM)的一個统一的推測引擎,包括開源模型(VLLM, SGLang, College)和商业模型(OpenAI, Mistral, Claude).
  35. OARC: ollama agent roll cagage(OARC)是本地的蟒蛇探員Fusing ollama llm的語言模型, Keras 分類器, Llava 視覺, Whisper 認可, 更能為本地自訂的自動建立统一的聊天機代理。
  36. g1:使用Groq上的Llama-3.1 70b來建立O1型推理鏈.
  37. MemoryScope: memoryScope為LLM聊天人提供了強大而灵活的長期記憶能力,提供了建立這種能力的框架.
  38. OpenLLM: 執行任何開源的 LLMS, 例如 Llama 3. 1, Gemma, 如 OpenAI 兼容的 API 端點在雲中 。
  39. Infinity:為LLM應用程式而建的AI-native數據庫,提供極快的混合搜尋,
  40. optillm: OpenAI API 相容的优化推論代理伺服器, 它可以執行几种能提高 LLMs 的精度和性能的最先进的技術 。
  41. LLaMA Box: LLM 根據 lama.cpp 推測伺服器執行 。
  42. ZhiLight: 高度优化的Llama及其變體推測加速引擎.
  43. DashInferDashInfer是本地LLM推測引擎,
  44. LocalAI: OpenAI, Claude等人的自由開放源碼。 自我主持和本地第一。 OpenAI 的下載取代 。 不需要 GPU 。
  45. ktransformers: 經驗剪切尖端LLM推測优化的灵活框架.
  46. SkyPilot: 运行AI, 透過簡單的介面取得一致的執行, 成本节省, 以及高的 GPU 可用性 。
  47. Chitu:大型語言模型的高性能推測框架,侧重于效率、灵活性和可用性。
  48. TokenSwift:從小時到分鐘:超長序列產生的無損加速.
  49. Cherry Studio (🔥): 一個支持多個 LLM 提供者的桌面用戶端, 可以在 Windows, Mac 和 Linux 上找到 。
  50. Shimmy: Python 免費 Rust 推測伺服器 — OpenAI- API 兼容 。 GGUF + SafeTensors,熱型模型互换,自動發現,單二進制.
  51. LlamaBarn: 用簡單的選單列應用程式在您的 Mac 上執行本地 LLMS 。
  52. Parallax: 分布式模式服務框架, 讓您在任何地方建立自己的 AI 群組 。
  53. xLLM: LLMS 的高性能推測引擎, 优化於不同的AI加速器 。
  54. Rapid-MLX: OpenAI 兼容 Apple Silicon 的本地 LLM 推測伺服器, 比 Ollama 更快 。
  55. TokenSpeed: 光速LLM推測引擎, 用于代理工作量, 具有 TensorRT- LLM 等效性和 vLLM 等效性 。 我們的目標是成為 產品代理勞動量最強的推測引擎
  56. FreeToken:解鎖你已經擁有的硬件上的數據中心級智能.

评价

Section titled “评价”
  1. lm-evaluation-harness:對語言模型的少數批評框架。
  2. opencompass (🔥): OpenCompass 是 LLM 評估平台, 支援100+數據集的廣泛模型(Llama3, Mistral, InternLM2, GPT-4, LLaMa2, Quen, GLM, Claude等).
  3. llm-comparator: LLM 相對器是互動的數據可視化工具,
  4. EvalScope (🔥)
  5. 編织: 用于追蹤和评估LLM應用程式的輕量级工具箱。
  6. MixEval:從LLM Basic Mixtures 中衍生出群眾的智慧.
  7. Evaluation guidebook如果你曾想過如何確保 LLM 在你的具体任務上做得好 這本指南是給你的!
  8. Ollama Benchmark: LLM 透過 Ollama(本地LLMS)的通量基准。
  9. VLMEvalKit:大型视觉語言模型(LVLM)的開源評估工具箱,支持~100 VLM,40+基准.
  10. 阿吉 - 伊娃
  11. EvalScope: 精简和定制的高效大型模型评价和业绩基准框架。
  12. DeepEval: 一個簡單使用,開源的LLM評估框架,用于評估和測試大語模型系統.
  13. Lighteval: Lighteval 是您在多個後端評估LLMS的全能工具箱。
  14. QwQ/eval: QwQ是Quen团队开发的推理模型系列,阿里巴巴云.
  15. Evalchemy: 統一且易用的工具箱,
  16. MathArena最新數學比賽的LLMs評估。
  17. YourBench:动态基准生成框架。
  18. MedEvalKit: 统一的醫學評估框架。
  19. OpenJudge: 整体评价和质量奖励的统一框架。

經驗

Section titled “經驗”
  1. LM 竞技場
  2. 設計工地
  3. 瓦爾斯 AI evaluation
  4. 蚂蚁數量

知识基础RAG

Section titled “知识基础RAG”
  1. AnythingLLM任何LLM的全能AI應用程式,
  2. MaxKB: 基于 LLM 大語模型的知識基礎问答系統. 開啟盒子支援快速嵌入到第三方操作中 。
  3. RAGFlow: 基于深度文件理解的開源RAG( Retrival-Augmented Generation)引擎.
  4. Dify:開源LLM應用程式發展平台. Dify的直覺介面结合了AI的工作流程,RAG管道,代理能力,模型管理,可觀性功能等等,讓你迅速從原型到生产.
  5. FastGPT: 基于 LLM 的知識平台, 提供外框的資料處理和模型引用能力,
  6. Langchain-Chatchat依據 Langchain 和 ChatGM Answer 等不同大型語言模型建立的地方知識基礎
  7. QAnything:基于任何事物的问答.
  8. Quivr使用 Langchain, GBT 3. 5 / 4 turbo, Private, Anthropic, VertexAI, Ollama, LLMs, Groq 等程式, OpenAI GPTs & ChatGPT 的本地和私人替代程式, 由回收- 新增產生器提供 。
  9. RAG-GPT: RAG-GPT 利用LLM與RAG科技,
  10. Verba: 检索由Weaviate發電的增級產生(RAG)聊天機。
  11. FlashRAG:高效RAG研究的Python工具箱。
  12. GraphRAG: 模块化的基于圖的 Retrival-Augmented Generation (RAG) 系統.
  13. LightRAG: LightRAG 幫助發展者建立和优化 Retriever- Agent-Generator 管道.
  14. GraphRAG-Ollama-UI: GraphRAG 使用 Ollama 與 Gradio UI 和 Extra 功能 。
  15. nano-GraphRAG: 簡單、易抓的GraphRAG實施。
  16. RAG Techniques: 此寄存器顯示了 Retrival- Augmented Generation (RAG) 系統的各种先进技術 。 RAG系統將資訊检索與基因模型结合起来,
  17. ragas: 回收增生管道的评估框架。
  18. kotaemon: 與您的文件聊天的開源清潔自訂的 RAG UI 。 由使用者與開發者共同設置 。
  19. RAGapp:在任何企業中最容易使用代理RAG的方法.
  20. TurboRAG: 加速回復加強的產生, 使用預算的 KV Caches for Chunked Text 。
  21. LightRAG: 簡單且快速的復原- 增强的世代 。
  22. TEN: Next-Gen AI代理框架,
  23. AutoRAG: RAG 自動ML 工具, 用于自動為您的資料找到最佳 RAG 管道 。
  24. KAG: KAG 是一個以 OpenSPG 引擎为基础的知识增强生成框架,
  25. Fast-GraphRAG: 智慧地適應您的用法大小寫、數據和查詢的RAG。
  26. Tiny-GraphRAG
  27. DB-GPT GraphRAG: DB- GPT GraphRAG 整合基于三元的知識圖和文件結構圖, 同时利用群組與文件检索機制來提升 RAG 的能力, 取得相似的性能, 而微软 GraphRAG 只需消耗50%的代碼 。 參考 DB- GPT 圖像化的 RAG 使用者手冊 詳情
  28. Chonkie無心的RAG 包裝了輕量级、閃電快的圖書館 并準備好了將你的短信收起來
  29. RAGLite: RAGLite 是 Python 工具箱, 用于 PostgreSQL 或 SQLite 的 Retrieval- Augmented Generation (RAG) 。
  30. KAG: KAG 是基于 OpenSPG 引擎和 LLMs 的逻辑形式導引推理及检索框架 。
  31. CAG: CAG 利用現代大語言模型(LLMS)的延伸上下文視窗, 預載所有相關資源到模型的上下文,
  32. MiniRAG: 一個極為簡單的检索- 增強的生成框架, 讓小模型能通過各式各樣的圖表索引和輕量级地形增強的检索取得良好的RAG性能 。
  33. XRAG: 基准框架,旨在估量高级检索增强型(RAG)系統的基本部件。
  34. Rankify: 用于检索、 重放、 重放的 Python 工具箱 。
  35. RAG-Anything全能RAG系統

聰明

Section titled “聰明”
  1. AutoGen: AutoGen 是讓 LLM 應用程式開發的一個框架, 它使用多重代理, 可以互相交換以解決工作 。 自動Gen AIStudio
  2. CrewAI: 安排角色扮演,自主AI代理的框架. CrewAI藉由培植合作情報,
  3. 因為…
  4. AgentGPT: 在您的瀏覽器中集合、 配置和部署自動 AI 代理 。
  5. XAgent: 複雜工作解決自動 LLM 代理 。
  6. MobileAgent:强大的移动裝置操作助理家庭。
  7. Lagent: 建立基于LLM的代理的輕量级框架。
  8. Qwen-Agent: 代理框架與應用程式建構於 Qun2, 功能呼叫、 密碼解釋器、 RAG 和 Chrome 延伸檔。
  9. 連接 AI一站式AI智能平台
  10. Baidu APP 建構器
  11. agentUniverse: agent University 是 LLM 多代理框架, 使開發者可以輕易建立多代理應用程式. 透過社群,
  12. LazyLLM多代理大型模型應用程式低碼建構的發展工具
  13. AgentScope: 以更便捷的方式開始建立 LLM 多代理應用程式 。
  14. AgentField: 開源控制平面, 用于建設和操作 API 等 AI 代理,
  15. MoA: Mixture of Agents(MoA)是一种新颖的方法,
  16. Agently: AI代理應用程式發展框架.
  17. OmAgent: 解决复杂工作的多式联运代理框架。
  18. Tribe: 沒有快速建立及协调多代理團隊的編碼工具 。
  19. CAMEL: 第一LLM多代理框架和開源社群, 專門尋找代理的縮放定律 。
  20. PraisonAI: PraisonAI 應用程式將 AutoGen 和 CrewAI 或類似的框架整合成构建和管理多代理 LLM 系統的低碼解議, 重點是簡便、自訂和高效的人代理合作。
  21. IoA: 合作AI代理的開源框架,
  22. llama-agentic-system : Llama Stack API 的代理元件。
  23. Agent Zero: Zero特工不是預定的代理框架 。 它被設計成能動的,有机的生长, 以及用它學習。
  24. Agents: 以數據为中心的自動自動語言代理的開源框架。
  25. AgentScope: 以更便捷的方式開始建立 LLM 多代理應用程式 。
  26. FastAgency:把多代理工作流程引入制作的最快方式.
  27. Swarm:建立、协调和部署多代理系统的框架。 由OpenAI溶液組管理. 实验框架。
  28. Agent-S: 開放的代理框架,
  29. PydanticAI: 代理框架 / shim 用 LLM 的 Pydantic 。
  30. Agentarium: 開源框架,
  31. smolagents:供特工使用的赤骨文庫. 特工們寫了蟒蛇密碼 呼叫工具並召集其他特工
  32. CooragentCooragent是AI代理合作社群。
  33. AgnoAgno是一個輕量級的圖書館,
  34. Suna:開放源碼概论AI代理.
  35. rowboat:讓AI在幾分鐘內為你建立多代理工作流程.
  36. EvoAgentX:建立人工智能特工自我演化的生态系统。
  37. ii-agent:新的開源框架,用于建立和部署智能特工.
  38. OWL: 优化劳动力學習,在現實世界任務自动化中提供通用多代理援助.
  39. OpenManus:沒有堡壘,纯粹是空地. 開曼納斯來了
  40. JoyAgent-JDGenie:業務首款高完成的通用多智能產品,完成程度低.
  41. coze-studio:AI代理開發平台,全能視覺工具,簡化代理建立,调试,以及部署,前所未有.
  42. OxyGent: 一個高级的Python框架,它能使發展者快速建立製作準備的智能系統.
  43. LazyCraftLazyCraft是一个基于LazyLM的AIAgent應用程式發展和管理平台,旨在協助開發者以低阈值,低成本快速构建和发布大型模型應用程式.
  44. OpenAgents: AI Agent Networks for Open Cooperation. 愛爾蘭語 :
  45. SandBox: All-in- One Sandbox for AI Agents ,將瀏覽器, Shell, File, MCP 和 VSCode 伺服器合并到一個 Docker 容器中.
  46. DeepAnalyze: 自主數據科學的第一代理LLM,支持特定的數據工作(數據準備、分析、建模、可視化和透視性)和以數據为导向的深層研究(製作分析師級研究報告)。
  47. Astron Agent: 企業級,商業友好的代理工作流程平台,用于构建下一代超代理.
  48. Youtu-Agent: 簡單而強大的代理框架, 用開源模型提供 。
  49. MiroThinker以配合OpenAI Deep Research和雙子座 Deep Research的深度研究經驗。
  50. Nexent: 自動產生代理的零碼平台——不需要管弦,不需要复杂的拖放,使用纯語言來發展任何想要的代理.
  51. Yunjue-Agent: 一個完全可复制的, 零起步的 Situ 自我演化代理系統 。
  52. Hindsight由矢量化製作的 AI 特工最先进的長期記憶 開源,自宿,集成于LangChain,CrewAI,LlamaIndex,MCP等.
  53. AgentsMesh人工智能特工工作平台 自控多代理管弦樂, 使用遠端的 AI 工作站( AgentPods), PTY 沙盒 + git 工作樹隔離, 頻道代理合作, 內建 Kanban, 支援克勞德碼, Codex CLI, 雙子座 CLI, Aider, OpenCode.
  54. BitFun: 開源代理發展環境, 配有 Rust/ Tauri 桌面應用程式和 CLI , 用于編碼、 研究、 辦公室工作、 瀏覽器和桌面自動化,

合理性

Section titled “合理性”
  1. pi: AI代理工具箱: 统一的 LLM API,代理环路,TUI,編碼代理CLI.
  2. DeepSeek Harness: 一切都是插件。
  3. OpenSquilla: 一個代碼高效的微內核AI代理.
  4. PenguinHarness: 您的自動代理建構器, 就在您的桌面/ 伺服器上 。
  5. FrontierAgent: 開源代理運作時間, 終端產品,

研究

Section titled “研究”

寫入

Section titled “寫入”

审查草稿

Section titled “审查草稿”

PPT 播放器

Section titled “PPT 播放器”

其他

Section titled “其他”

全自动科學

Section titled “全自动科學”

代碼

Section titled “代碼”
  1. Cloi CLI: 在您的終端執行的本地调试代理 。
  2. 更改
  3. v0
  4. 新的。
  5. 游標
  6. 暴風雨
  7. cline
  8. 拖曳
  9. MGX
  10. Roo Code
  11. Kilo Code
  12. 增量
  13. Claude Code (🔥)
  14. Claude Code (🔥) + Happy Coder / CodePilot / cc-connect
  15. Gemini CLI
  16. Serena
  17. Claudia
  18. OpenCode
  19. 基洛
  20. 程式版本
  21. 基洛
  22. CodeX (🔥)
  23. Kimi-CLI
  24. opencode
  25. Multica
  26. Atomic Agent
  27. DeepSeek Harness

影片

Section titled “影片”

模型

Section titled “模型”

[!NOTE] 🤝Awesome-Video-Diffusion

  1. HunyuanVideo
  2. CogVideo
  3. Wan2.1
  4. Open-Sora
  5. Open-Sora-Plan
  6. LTX-Video
  7. Step-Video-T2V
  8. Step1X-Edit Editing
  9. Wan2.1-VACE Editing
  10. ICEdit Editing
  11. mochi-1-preview
  12. Wan2.1-Fun
  13. Wan2.1-FLF2V 首尾帧
  14. MAGI-1 自回归模型
  15. SkyReels-V2
  16. FramePack
  17. Pusa-VidGen
  18. Wan2.2
  19. MOGA 长视频
  20. LongCat-Video
  21. HunyuanVideo-1.5
  22. LTX-2
  23. daVinci-MagiHuman
  24. LongLive
  25. JoyAI-Echo
  26. NAVA
  27. LTX-2.3 (🔥)
  28. LingBot-Video
  29. MiniMax-H3 (🔥)
  30. MAGI-2-preview
  31. LTX-2.5 (🔥)

編輯

Section titled “編輯”
  1. Wan2.1-VACE-14B: https://huggingface.co/Wan-AI/Wan2.1-VACE-14B
  2. Ditto: https://github.com/EzioBy/Ditto
  3. Bernini (🔥): https://github.com/bytedance/Bernini
  4. JoyAI-Video-Edit: https://huggingface.co/jdopensource/JoyAI-Video-Edit

培训

Section titled “培训”

參數

Section titled “參數”

实用工具

Section titled “实用工具”
  • PySceneDetect: Python 和 基于 OpenCV 的 scene cut/ transit 偵測程式 & Library 。
  • DOVER照片來自Flickr用戶,
  • ArtiMuse:精致的影像美學評估,

影像

Section titled “影像”

生成

Section titled “生成”

編輯

Section titled “編輯”

统一

Section titled “统一”

培训

Section titled “培训”

评价

Section titled “评价”

參數

Section titled “參數”

搜尋

Section titled “搜尋”
  1. OpenSearch GPT: searchGPT / 複雜性克隆, 但為您個性化 。
  2. MindSearch: 基于 LLM 的多代理網路搜尋引擎框架( 如 Perplexity.ai Pro and SearchGPT) 。
  3. nanoPerplexityAI: 最簡單的開源實施
  4. curiosity: 試著建立類似迷惑的使用者經驗.
  5. MiniPerplx在網路上找到資訊。

語言

Section titled “語言”

TTS

Section titled “TTS”
  1. SpeechGPT-2.0-preview: https://github.com/OpenMOSS/SpeechGPT-2.0-preview
  2. Moss-TTSD：https://github.com/OpenMOSS/MOSS-TTSD
  3. Index-TTS：https://github.com/index-tts/index-tts
  4. MegaTTS3：https://github.com/bytedance/MegaTTS3
  5. F5-TTS：https://github.com/SWivid/F5-TTS
  6. GPT-SoVITS：https://github.com/RVC-Boss/GPT-SoVITS
  7. CosyVoice：https://github.com/FunAudioLLM/CosyVoice
  8. Spark-TTS：https://github.com/SparkAudio/Spark-TTS
  9. OpenVoice：https://github.com/myshell-ai/OpenVoice
  10. Dia：https://github.com/nari-labs/dia
  11. ChatTTS：https://github.com/2noise/ChatTTS
  12. Fish Speech：https://github.com/fishaudio/fish-speech
  13. Edge-TTS：https://github.com/rany2/edge-tts
  14. Bark：https://github.com/suno-ai/bark
  15. kokoro: https://github.com/hexgrad/kokoro
  16. 希格斯音效 V2: https://github.com/boson-ai/higgs-audio [Training*
  17. KittenTTS: https://github.com/KittenML/KittenTTS
  18. ZipVoice: https://github.com/k2-fsa/ZipVoice
  19. VyvoTTS: https://github.com/Vyvo-Labs/VyvoTTS
  20. VibeVoice: https://github.com/microsoft/VibeVoice
  21. Index-TTS-2: https://huggingface.co/IndexTeam/IndexTTS-2
  22. FireRedTTS2: https://github.com/FireRedTeam/FireRedTTS2
  23. VoxCPM: https://github.com/OpenBMB/VoxCPM/
  24. Neutts-Air: https://github.com/neuphonic/neutts-air
  25. Maya1: https://huggingface.co/maya-research/maya1
  26. VibeVoice: https://huggingface.co/collections/microsoft/vibevoice
  27. GLM-TTS: https://github.com/zai-org/GLM-TTS
  28. Fun-CosyVoice3: https://huggingface.co/FunAudioLLM/Fun-CosyVoice3-0.5B-2512
  29. Qwen3-TTS:https://huggingface.co/collections/Qwen/qwen3-tts
  30. Ming-Omni-TTS: https://github.com/inclusionAI/Ming-omni-tts
  31. VoxCPM2: https://huggingface.co/openbmb/VoxCPM2
  32. OmniVoice: https://github.com/k2-fsa/OmniVoice
  33. MOSS-TTS-v1.5: https://huggingface.co/OpenMOSS-Team/MOSS-TTS-v1.5
  34. Higgs Audio v3 TTS: https://huggingface.co/bosonai/higgs-audio-v3-tts-4b
  35. Confucius4-TTS: https://github.com/netease-youdao/Confucius4-TTS
  36. Dia-1.6B: https://huggingface.co/nari-labs/Dia-1.6B-0626
  37. FireRedTTS3: https://github.com/FireRedTeam/FireRedTTS3

STT/ASR

Section titled “STT/ASR”
  1. Kyutai: https://github.com/kyutai-labs/delayed-streams-modeling
  2. Whisper: https://github.com/openai/whisper
  3. Audio Flamingo 3: https://huggingface.co/nvidia/audio-flamingo-3
  4. Voxtral: https://huggingface.co/mistralai/Voxtral-Mini-3B-2507
  5. Step-Audio2: https://github.com/stepfun-ai/Step-Audio2
  6. SoulX-Podcast: https://huggingface.co/collections/Soul-AILab/soulx-podcast
  7. Omnilingual ASR: https://github.com/facebookresearch/omnilingual-asr
  8. Fun-ASR: https://huggingface.co/FunAudioLLM/Fun-ASR-Nano-2512
  9. FunASR: https://github.com/modelscope/FunASR
  10. SenseVoice: https://github.com/FunAudioLLM/SenseVoice
  11. VibeVoice-ASR: https://huggingface.co/microsoft/VibeVoice-ASR
  12. Qwen3-ASR: https://github.com/QwenLM/Qwen3-ASR
  13. Mega-ASR: https://github.com/xzf-thu/Mega-ASR
  14. MOSS-Transcribe-Diarize: https://huggingface.co/OpenMOSS-Team/MOSS-Transcribe-Diarize

语音交互

Section titled “语音交互”
  1. Fun-Audio-Chat: https://huggingface.co/FunAudioLLM/Fun-Audio-Chat-8B
  2. Chroma 1.0: https://huggingface.co/FlashLabs/Chroma-4B
  3. AudioInteraction: https://huggingface.co/zhifeixie/AudioInteraction

世界模式

Section titled “世界模式”

模型

Section titled “模型”

框架

Section titled “框架”

龍卷風 OpenClaw

Section titled “龍卷風 OpenClaw”
  1. MultiUserClaw: https://github.com/johnson7788/MultiUserClaw
  2. ClawManager: https://github.com/Yuan-lab-LLM/ClawManager
  3. Qclaw: https://github.com/qiuzhi2046/Qclaw
  4. NEXU: https://github.com/nexu-io/nexu
  5. OpenHanako: https://github.com/liliMozi/openhanako

统一模式

Section titled “统一模式”

現在统一模式是從理解+生成化作理解+生成+编辑

書

Section titled “書”
  1. 大語言模型:從理論到實驗
  2. 大語言模型
  3. 《动手学大模型Dive into LLMs》
  4. 動手吧 AI探員
  5. 《Build a Large Language Model (From Scratch)》
  6. 《多模态大模型》
  7. 全国政协信息-李 Libya.
  8. “理解”
  9. 全国政协信息-李 Libya.
  10. LLM:提高LLM的能力和可靠性.
  11. 《大型语言模型实战指南：应用实践与场景落地》
  12. 《Hands-On Large Language Models》
  13. 自然語言處理:大模型的理論和实践
  14. 按工作密集学习
  15. LLM 發展者介紹
  16. 《大模型基础》
  17. Taming LLMS: 使用開源軟體的 LLM 跳槽實際指南
  18. 大語言模型的基礎
  19. Textbook on reinforcement learning from human feedback
  20. 大型模型算法:增强學習、校正和校正
  21. 《The Smol Training Playbook: The Secrets to Building World-Class LLMs》
  22. 《从零开始构建智能体》——从零开始的智能体原理与实践教程
  23. 《Hands-On Modern RL》

當然

Section titled “當然”

LLM 資源中心

  1. 斯坦福:
  2. 全民免疫
  3. LLM 教官
  4. ACL 2023 教程: 检索語言模型與應用程式
  5. llm-course: Course to get into Large Language Models (LLMs) with roadmaps and Colab notebooks.
  6. 微软: Generative AI for Beginners
  7. 微软: GPT 狀態
  8. HuggingFace NLP Course
  9. 清華, NLP, 劉志元
  10. 斯坦福:轉換器组合 V4
  11. 斯坦福:
  12. 普林斯顿COS 597G(2022年底)
  13. John Hopkins CS 601.471/671 NLP:自訂型號
  14. 李洪毅,源井
  15. openai-cookbook: 使用 OpenAI API 的示例和指南。
  16. Hands on llms: 通过設計、訓練和部署实时財務顧問LLM系統,
  17. 滑铁卢大學
  18. 米斯特拉:從米斯特拉開始.
  19. 斯坦福:轉換器组合 V4
  20. Coursera: 聊天應用程式提示大小寫
  21. LangGPT:讓所有人成為即時專家!
  22. mistralai-cookbook
  23. 2024年春
  24. build nanoGPT: Video+code 教程,
  25. LLM101n:讓我們建一個故事解說者。
  26. RAG的知识
  27. LLMs From Scratch (Datawhale Version)
  28. 開啟RAG
  29. 通往 AGI 的道路
  30. 安德烈·卡帕奇 - 精神网:0到英雄
  31. 變速器互動視覺化
  32. andysingal/llm-course
  33. LM 型態
  34. Google 高级: 產生發展者的路徑
  35. Anthropics：Prompt Engineering Interactive Tutorial
  36. LLMsBook
  37. 大語言模式代理
  38. Chere LLM大學
  39. LLM 轉換器( C)
  40. Smol Vision:收縮、优化、定制尖端視覺模型的食譜。
  41. 多模式 RAG: 對視頻天說話
  42. LLMs Interview Note
  43. RAG++:從POC到製作:高级RAG課程.
  44. 重和比亞斯AI学院: 微調, 用 LLMS 建築, 結構的產品和更多 LLM 課程 。
  45. 提示專案 & AI 教程與資源
  46. LangChain 工程師的 Python AI
  47. LLM 評估:全程
  48. HuggingFace Learn
  49. Andrej Karoopathy:像查特GPT一樣深入LLMS
  50. LLM技术科普
  51. CS25:轉換器聯盟V5
  52. RAG_Techniques: 此寄存器顯示了 Retrival- Augmented Generation (RAG) 系統的各种先进技術 。 RAG系統將資訊检索與基因模型结合起来,
  53. 100+ LLM & RL Algorithm Maps | 原创 LLM / RL 100+原理图
  54. 大型語言模型學習
  55. NanoChat: 100美元能買到的最好的ChatGPT。
  56. 斯坦福CS146S:現代軟體發展
  57. 大型語言模型學習

教學

Section titled “教學”
  1. 學習如何应用大模型。
  2. AI 發展者頻道
  3. B站:五里茶社
  4. B站:金玉切尼
  5. YTB:愛爾蘭語
  6. B站:Penny.
  7. 快速工程指南
  8. YTB: AI 超區域
  9. B站:技術中心人工智能群體
  10. B站:黃惠加
  11. B站點:對自然語言處理的深入研究
  12. LLM 視覺化
  13. 石ami.
  14. B站:黑仔提到AI.
  15. B站台:前牆车辆工程師
  16. B站:伊万·哲
  17. 使用 Colab Notes 的大語言模型
  18. YTB: IBM 科技
  19. YTB: 唯一讀取的檔案群組
  20. 奇普·阮
  21. How Much VRAM
  22. 部落格:科學空間
  23. YTB: 玄真
  24. 部落客Tejaswi Kashyap
  25. 部落格:小博客
  26. 知道: Ybq
  27. W&B 文章
  28. Huggingface Blog
  29. 部落格:GbyAI
  30. 部落格:mlabonne
  31. LLM-Action
  32. 部落格:Lil-Log(OponAI)
  33. B站:毛玉 Yu
  34. AI-Guide-and-Demos
  35. cnblog: 第七
  36. Implementation of all RAG techniques in a simpler way.
  37. 理论機械研究:人人手册
  38. 鱼皮的 Vibe Coding 零基础教程

紙

Section titled “紙”

[!NOTE] 🤝Huggingface Daily Papers,酷文件。,ML Papers Explained

  1. Hermes-3- 科技報告
  2. Llama 3 模組
  3. 皇后技術報告
  4. 技術報告
  5. Wen2-vl 技術報告
  6. DeepSeek LLM:開源語言模型的长期放大
  7. DeepSeek- V2: 強大、 經濟、 高效的語言混合模型
  8. 白川2:開放大語模組
  9. Datacomp-LM:找到語言模型的下一代訓練集
  10. OLMo: 加速語言模型科學
  11. MAP-Neo:高容量透明双语模式系列
  12. 中文小 LLM:預測中文模式
  13. Phi-3 技術報告: 手機上的語言模式
  14. Jamba-1.5:混合傳輸-Mamba型號
  15. Jamba: Mixer-Mamba 語言模型
  16. 你只需要一本書
  17. 釋放數據振動器 : data
  18. OLMOE:開放專家語言模型
  19. Model Merging Paper
  20. 白川-奧姆尼技術報告
  21. 1. 5- Pints 技術報告: 預測日而不是月數 - 您的語言模組的质量資料比例
  22. 技術報告
  23. Hunyuan-Large:由 Tencent 提供的52億開源的 MoE 模型
  24. Mollmo 和 Pixmo: 開啟最新型多式联运模式的重量與開啟資料
  25. TULU 3 : 在開放語言模式下按下邊框
  26. Phi-4 技術報告
  27. 通过仿真、數據和測試時間放大來展開源碼性能邊界
  28. 技術報告
  29. Yulan-Mini:一個開放的數據高效語言模型
  30. 远景 - 語言建模介紹
  31. DeepSeek V3 Technical Report
  32. 2 OLMo 2 怒火
  33. 閃電報告
  34. DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
  35. KIMI K1.5
  36. Eagle 2: 邊界远景-语言建模的訓練后數據政策
  37. Queen2.5-VL 技術報告
  38. Baichuan-M1:激发大語模式的醫療能力
  39. 估計尺度: 第一部分 - 大型語言模型中最佳超参数放大
  40. SkyLadder: 通过設定視窗來更好更快的預覽
  41. Qwen2.5-Omni technical report
  42. FLOP 數量: 縮放 300B 混音器 LLM 不使用 Premium GPU
  43. Gemma 3 科技報告
  44. Open- Quen2VL: 完全開啟多模式語言資源計算與實驗
  45. Pangu Ultra:在 Ascend CPU 上按下 ense 語言模型的限值
  46. MiMo: Unlocking the Reasoning Potential of Language Model – From Pretraining to Posttraining
  47. Phi-4 技術報告
  48. Llama- Nemotron: 高效合理模型
  49. Qwen3 Technical Report
  50. MiMo-VL 技術報告
  51. ERNIE Technical Report
  52. Kwai Keye- VL 技術報告
  53. Kimi K2 Technical Report
  54. KAT-V1: 桂自動思考科技報告
  55. Step3
  56. SAIL- VL2 技術報告
  57. LLAVA-One Vision-1.5:民主多式联运的全開框架 85M-Midtraining Data 22M Instruct Data
  58. 奧爾莫3號: 透過模型流圖路徑引領開源AI. 网站
  59. 開啟 MMReasoner
  60. Queen3-VL 技術報告

社區

Section titled “社區”
  1. 魔鬼
  2. HuggingFace
  3. 模擬範圍
  4. 智能模式
  5. 開啟 CSG

模式上下文协议 MCP

Section titled “模式上下文协议 MCP”
  1. MCP是什么? 什么科技? 一段影片能理解MCP的一切 使用 MCP 視窗來設定 MCP, CD, 直線 。
  2. MCP原理+發展实践!
  3. 從0寫上MCP,上傳它。 太簡單了!

MCP 工具聚合 :

  1. 鐵匠
  2. 所以…
  3. modelcontextprotocol/servers
  4. (cp.ad)
  5. 脈搏 mcp.com
  6. awesome-mcp-servers
  7. (意大利文)
  8. mcp.composio.dev
  9. awesome-mcp-list
  10. mcpo
  11. FastMCP
  12. 共享 mcp.cn
  13. mcpstore.co 中
  14. FastAPI-MCP
  15. 型號鏡/ mcp
  16. mcpm.sh

技能

Section titled “技能”

  1. 克勞德·斯威爾斯的详细計劃 一部出色的電影

  2. OpenClaw 檔案

  3. awesome-claude-skills

  4. Anthropics Skills

  5. 技能mp

  6. awesome-claude-skills

  7. 克勞

  8. 水产养殖市场

  9. 什么技巧?

  10. awesome-agent-skills

  11. 立方体

  12. awesome-openclaw-skills

  13. claude-scientific-skills

  14. LLMs-Universal-Life-Science-and-Clinical-Skills-

  15. 技能工具

  16. LabClaw

  17. 仿真鏡技術

  18. 特勤局的技能

  19. mmx-cli

  20. ccoloop 中枢

開啟 O1

Section titled “開啟 O1”

[!NOTE]

開放科技是我們永恒的追求

  1. https://github.com/atfortes/Awesome-LLM-Reasoning
  2. https://github.com/hijkzzz/Awesome-LLM-Strawberry
  3. https://github.com/wjn1996/Awesome-LLM-Reasoning-Openai-o1-Survey
  4. https://github.com/srush/awesome-o1
  5. https://github.com/open-thought/system-2-research
  6. https://github.com/ninehills/blog/issues/121
  7. https://github.com/OpenSource-O1/Open-O1
  8. https://github.com/GAIR-NLP/O1-Journey
  9. https://github.com/marlaman/show-me
  10. https://github.com/bklieger-groq/g1
  11. https://github.com/Jaimboh/Llamaberry-Chain-of-Thought-Reasoning-in-AI
  12. https://github.com/pseudotensor/open-strawberry
  13. https://huggingface.co/collections/peakji/steiner-preview-6712c6987110ce932a44e9a6
  14. https://github.com/SimpleBerry/LLaMA-O1
  15. https://huggingface.co/collections/Skywork/skywork-o1-open-67453df58e12f6c3934738d0
  16. https://huggingface.co/collections/Qwen/qwq-674762b79b75eac01735070a
  17. https://github.com/SkyworkAI/skywork-o1-prm-inference
  18. https://github.com/RifleZhang/LLaVA-Reasoner-DPO
  19. https://github.com/ADaM-BJTU
  20. https://github.com/ADaM-BJTU/OpenRFT
  21. https://github.com/RUCAIBox/Slow_Thinking_with_LLMs
  22. https://github.com/richards199999/Thinking-Claude
  23. https://huggingface.co/AGI-0/Art-v0-3B
  24. https://huggingface.co/deepseek-ai/DeepSeek-R1
  25. https://huggingface.co/deepseek-ai/DeepSeek-R1-Zero
  26. https://github.com/huggingface/open-r1
  27. https://github.com/hkust-nlp/simpleRL-reason
  28. https://github.com/Jiayi-Pan/TinyZero
  29. https://github.com/baichuan-inc/Baichuan-M1-14B
  30. https://github.com/EvolvingLMMs-Lab/open-r1-multimodal
  31. https://github.com/open-thoughts/open-thoughts
  32. Mini-R1: https://www.philschmid.de/mini-deepseek-r1
  33. LLaMA-Berry: https://arxiv.org/abs/2410.02884
  34. MCTS-DPO: https://arxiv.org/abs/2405.00451
  35. OpenR: https://github.com/openreasoner/openr
  36. https://arxiv.org/abs/2410.02725
  37. LLaVA-o1: https://arxiv.org/abs/2411.10440
  38. Marco-o1: https://arxiv.org/abs/2411.14405
  39. OpenAI o1 report: https://openai.com/index/deliberative-alignment
  40. DRT-o1: https://github.com/krystalan/DRT-o1
  41. Virgo：https://arxiv.org/abs/2501.01904
  42. HuatuoGPT-o1：https://arxiv.org/abs/2412.18925
  43. o1 roadmap：https://arxiv.org/abs/2412.14135
  44. Mulberry：https://arxiv.org/abs/2412.18319
  45. https://arxiv.org/abs/2412.09413
  46. https://arxiv.org/abs/2501.02497
  47. Search-o1:https://arxiv.org/abs/2501.05366v1
  48. https://arxiv.org/abs/2501.18585
  49. https://github.com/simplescaling/s1
  50. https://github.com/Deep-Agent/R1-V
  51. https://github.com/StarRing2022/R1-Nature
  52. https://github.com/Unakar/Logic-RL
  53. https://github.com/datawhalechina/unlock-deepseek
  54. https://github.com/GAIR-NLP/LIMO
  55. https://github.com/Zeyi-Lin/easy-r1
  56. https://github.com/jackfsuia/nanoRLHF/tree/main/examples/r1-v0
  57. https://github.com/FanqingM/R1-Multimodal-Journey
  58. https://github.com/dhcode-cpp/X-R1
  59. https://github.com/agentica-project/deepscaler
  60. https://github.com/ZihanWang314/RAGEN
  61. https://github.com/sail-sg/oat-zero
  62. https://github.com/TideDra/lmm-r1
  63. https://github.com/FlagAI-Open/OpenSeek
  64. https://github.com/SwanHubX/ascend_r1_turtorial
  65. https://github.com/om-ai-lab/VLM-R1
  66. https://github.com/wizardlancet/diagnosis_zero
  67. https://github.com/lsdefine/simple_GRPO
  68. https://github.com/brendanhogan/DeepSeekRL-Extended
  69. https://github.com/Wang-Xiaodong1899/Open-R1-Video
  70. https://github.com/lsdefine/simple_GRPO
  71. https://github.com/Open-Reasoner-Zero/Open-Reasoner-Zero
  72. https://github.com/lucasjinreal/Namo-R1
  73. https://github.com/hiyouga/EasyR1
  74. https://github.com/Fancy-MLLM/R1-Onevision
  75. https://github.com/tulerfeng/Video-R1
  76. https://huggingface.co/qihoo360/TinyR1-32B-Preview
  77. https://github.com/facebookresearch/swe-rl
  78. https://github.com/turningpoint-ai/VisualThinker-R1-Zero
  79. https://github.com/yuyq96/R1-Vision
  80. https://github.com/sungatetop/deepseek-r1-vision
  81. https://huggingface.co/qihoo360/Light-R1-32B
  82. https://github.com/Liuziyu77/Visual-RFT
  83. https://github.com/Mohammadjafari80/GSM8K-RLVR
  84. https://github.com/ModalMinds/MM-EUREKA
  85. https://github.com/joey00072/nanoGRPO
  86. https://github.com/PeterGriffinJin/Search-R1
  87. https://openi.pcl.ac.cn/PCL-Reasoner/GRPO-Training-Suite
  88. https://github.com/dvlab-research/Seg-Zero
  89. https://github.com/HumanMLLM/R1-Omni
  90. https://github.com/OpenManus/OpenManus-RL
  91. https://arxiv.org/pdf/2503.07536
  92. https://github.com/Osilly/Vision-R1
  93. https://github.com/LengSicong/MMR1
  94. https://github.com/phonism/CP-Zero
  95. https://github.com/SkyworkAI/Skywork-R1V
  96. https://arxiv.org/abs/2503.13939v1
  97. https://github.com/0russwest0/Agent-R1
  98. https://github.com/MetabrainAGI/Awaker2.5-R1
  99. https://github.com/LG-AI-EXAONE/EXAONE-Deep
  100. https://github.com/qiufengqijun/open-r1-reprod
  101. https://github.com/SUFE-AIFLM-Lab/Fin-R1
  102. https://github.com/sail-sg/understand-r1-zero
  103. https://github.com/baibizhe/Efficient-R1-VLLM
  104. https://github.com/hkust-nlp/simpleRL-reason
  105. https://arxiv.org/abs/2502.19655
  106. https://arxiv.org/abs/2503.21620v1
  107. https://arxiv.org/abs/2503.16081
  108. https://github.com/ShadeCloak/ADORA
  109. https://github.com/appletea233/Temporal-R1
  110. https://github.com/inclusionAI/AReaL
  111. https://github.com/lzhxmu/CPPO
  112. https://arxiv.org/abs/2503.23829
  113. https://github.com/TencentARC/SEED-Bench-R1
  114. https://github.com/McGill-NLP/nano-aha-moment
  115. https://github.com/VLM-RL/Ocean-R1
  116. https://github.com/OpenGVLab/VideoChat-R1
  117. https://github.com/ByteDance-Seed/Seed-Thinking-v1.5
  118. https://github.com/SkyworkAI/Skywork-OR1
  119. https://github.com/MoonshotAI/Kimi-VL
  120. https://arxiv.org/abs/2504.08600
  121. https://github.com/ZhangXJ199/TinyLLaVA-Video-R1
  122. https://arxiv.org/abs/2504.11914
  123. https://github.com/policy-gradient/GRPO-Zero
  124. https://github.com/linkangheng/PR1
  125. https://github.com/jiangxinke/Agentic-RAG-R1
  126. https://github.com/shangshang-wang/Tina
  127. https://github.com/aliyun/qwen-dianjin
  128. https://github.com/RAGEN-AI/RAGEN
  129. https://github.com/XiaomiMiMo/MiMo
  130. https://github.com/yuanzhoulvpi2017/nano_rl
  131. https://huggingface.co/a-m-team/AM-Thinking-v1
  132. https://huggingface.co/Intelligent-Internet/II-Medical-8B
  133. https://github.com/CSfufu/Revisual-R1

開啟 O3

Section titled “開啟 O3”
  1. Mini-o3: https://arxiv.org/abs/2509.07969
  2. Simple-o3: https://arxiv.org/abs/2508.12109
  3. Thyme: https://arxiv.org/abs/2508.11630
  4. Open o3 Video: https://arxiv.org/abs/2510.20579

小語言模型

Section titled “小語言模型”
  1. https://github.com/jiahe7ay/MINI_LLM
  2. https://github.com/jingyaogong/minimind
  3. https://github.com/DLLXW/baby-llama2-chinese
  4. https://github.com/charent/ChatLM-mini-Chinese
  5. https://github.com/wdndev/tiny-llm-zh
  6. https://github.com/Tongjilibo/build_MiniLLM_from_scratch
  7. https://github.com/jzhang38/TinyLlama
  8. https://github.com/AI-Study-Han/Zero-Chatgpt
  9. https://github.com/loubnabnl/nanotron-smol-cluster (使用Cosmopedia训练cosmo-1b)
  10. https://github.com/charent/Phi2-mini-Chinese
  11. https://github.com/allenai/OLMo
  12. https://github.com/keeeeenw/MicroLlama
  13. https://github.com/Chinese-Tiny-LLM/Chinese-Tiny-LLM
  14. https://github.com/leeguandong/MiniLLaMA3
  15. https://github.com/Pints-AI/1.5-Pints
  16. https://github.com/zhanshijinwat/Steel-LLM
  17. https://github.com/RUC-GSAI/YuLan-Mini
  18. https://github.com/Om-Alve/smolGPT
  19. https://github.com/skyzh/tiny-llm
  20. https://github.com/qibin0506/Cortex
  21. https://github.com/huggingface/picotron
  22. https://github.com/Alic-Li/Mini_RWKV_7
  23. https://huggingface.co/Nanbeige/Nanbeige4-3B-Thinking-2511 `23T令牌’
  24. https://github.com/stepfun-ai/SteptronOss
  25. https://github.com/huggingface/nanowhale
  26. https://github.com/OpenBMB/ForgeTrain
  27. https://github.com/vukrosic/glm-5.3-flash-from-scratch

小影片語言模型

Section titled “小影片語言模型”
  1. https://github.com/jingyaogong/minimind-v
  2. https://github.com/yuanzhoulvpi2017/zero_nlp/tree/main/train_llava
  3. https://github.com/AI-Study-Han/Zero-Qwen-VL
  4. https://github.com/Coobiw/MPP-LLaVA
  5. https://github.com/qnguyen3/nanoLLaVA
  6. https://github.com/TinyLLaVA/TinyLLaVA_Factory
  7. https://github.com/ZhangXJ199/TinyLLaVA-Video
  8. https://github.com/Emericen/tiny-qwen
  9. https://github.com/merveenoyan/smol-vision
  10. https://github.com/huggingface/nanoVLM
  11. https://github.com/GeeeekExplorer/nano-vllm
  12. https://github.com/ritabratamaiti/AnyModal
  13. https://github.com/yujunhuics/Reyes
  14. https://github.com/Victorwz/Open-Qwen2VL
  15. https://github.com/jingyaogong/minimind-o

技能提示

Section titled “技能提示”
  1. (第一部分)
  2. (第二部分)
  3. 用LLM建造一年來我們學到了什麼?
  4. LLM 中
  5. 文字分類 LLMS: 監控學習指南
  6. 未受监测的文字分類: LLMS 中自然語言的分類
  7. 文字分類
  8. LLM 定价
  9. Uncensor any LLM with abliteration
  10. Tiny LLM Universe
  11. Zero-Chatgpt
  12. Zero-Qwen-VL
  13. finetune-Qwen2-VL
  14. MPP-LLaVA
  15. build_MiniLLM_from_scratch
  16. Tiny LLM zh
  17. MiniMind: 3小時以 0 的 GPT 完全訓練, 其小參數只有 26M,
  18. LLM-Travel: 深入了解、探索和实现与大型模型有关的科技、原理和应用
  19. 知識蒸馏:用合成資料教LLM
  20. 第一部分:大型語言模型的修改方法
  21. 第二部分:精細或沒有微調
  22. 构成部分3:如何微調:注重有效的数据集
  23. 讀者- LM: 清除並轉換 HTML 到 Markdown 小語言模型
  24. 一年的LLMS心臟
  25. LLM 中 培训 — — 培训
  26. pytorch-llama:LLaMA 2從零開始在PyTorch執行.
  27. Preference Optimization for Vision Language Models with TRL [support model*
  28. Fine-tuning visual language models using SFTTrainer [docs*
  29. 專家混合視覺指南
  30. 在ChatGPT等大型語言模型中扮演的角色.
  31. Distributed Training Guide: 如何寫出分布式 pytorch 訓練碼的最佳做法和指南。
  32. 聊天樣本
  33. 前20+RAG訪問問題
  34. 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
  35. O1 不是聊天模式 。
  36. Beam 搜尋快速解析與代碼
  37. 基于轉換器( ) 方法的多重文字產生: 參數意義與算法理解
  38. The Ultra-Scale Playbook: Training LLMs on GPU Clusters

撰稿人 :

如果你覺得這項計畫會有幫助,

@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

HagiCode 是面向專案開發的 AI 編碼工作台：豐富、便利的介面互動讓規劃、Agent 執行與專案工作更容易上手和跟進，帶來更投入的開發體驗。

透過豐富、便利的介面互動，讓規劃、Agent 執行與專案工作更容易上手和跟進。

造訪 HagiCode閱讀文件
  • 智慧OpenSpec 工作流程將意圖轉化為從提案、設計、任務到交付的可執行路徑。
  • 高效多 Agent 並行推進研究、實作與審查，並支援多儲存庫變更與你熟悉的 Agent CLI。
  • 有趣豐富、便利的介面互動讓規劃、Agent 執行與專案工作更容易上手和跟進，帶來更投入的開發體驗。

下載 Windows 版

從 Microsoft Store 取得所有下載

讓想法化為交付成果。

HagiCode 是面向專案開發的 AI 編碼工作台：以 OpenSpec 工作流程規劃變更，多 Agent 並行執行，再由 Hero Scenario 讓進度一目了然，將想法化為交付成果。

下載 HagiCode產品文件
智慧
OpenSpec 工作流程將意圖轉化為從提案到交付的可執行路徑。
高效
多 Agent 並行推進研究、實作與審查。
有趣
豐富、便利的介面互動，讓規劃、Agent 執行與專案工作更容易跟進。

© 2026 HagiCode | Powered By hagilight-starlight@0.21.0 | Branch: main | Commit: 745b50b | Built:

要離開 Awesome Site 嗎？

您即將前往外部網站。我們無法控制其內容或隱私慣例。

目的地

繼續前往網站