chatgpt-finetune-ui-gpt-3.5开源项目 – turbo微调图形界面

Trudo AI是一个平台，允许用户在几分钟内构建、自动化和扩展复杂的Python工作流，无需DevOps知识。它提供了一个直观的用户界面，用户可以在此基础上微调OpenAI GPT3模型，构建复杂的AI应用。

OpenAI Tools是一个综合工具包，旨在帮助用户充分利用他们的OpenAI账号。它提供了API使用情况跟踪、ChatGPT微调数据集管理、微调任务的创建、监控和取消、训练日志的审查和可视化、直接测试和比较微调及其他模型等功能。

人工智能工作室是一个用户友好的网页应用，旨在简化超参数调优这一通常令人头疼的任务。它提供了一个直观的用户界面，允许用户轻松尝试不同的超参数，从而优化他们的模型。

Langfuse是一个旨在帮助开发者构建和管理AI应用程序的基础设施平台，提供了丰富的功能和工具，以简化AI模型的集成和部署。其目标是让AI开发变得更简单、高效，并降低技术门槛。

Kayyo是一款创新的平台，利用人工智能分析用户的运动表现，并提供个性化的反馈和建议，以提升训练效果。用户只需注册账户，输入自己的目标和能力，即可获得定制的训练计划和练习，详细的视频演示和指导将帮助用户完成每项练习。

Aporia.com是一个集成的AI控制平台，提供实时的护航和安全解决方案，旨在降低AI风险，确保可靠和安全的AI响应，保护知识产权，并监控和优化AI模型的表现。

Algomax是一个平台，旨在简化您的LLM和RAG模型评估，提升提示开发效率，并通过独特的定性指标洞察加速开发过程。该平台提供直观的仪表盘，便于您轻松集成到工作流程中，评估模型性能，评估引擎设计精准，能够深入洞察模型行为。

alevels.ai是一个利用人工智能帮助学生进行A Level复习的平台。用户可以选择学科，解决过去的试卷问题，将难题转化为闪卡，并监控自己的学习进度。

Cursor Lens是一个开源的仪表盘，旨在为Cursor.sh IDE提供支持。它能够记录AI代码生成的日志，跟踪使用情况，并控制AI模型（包括本地模型）。用户可以选择本地运行或使用即将推出的托管版本。

ModelScope是一个基于'模型即服务'(MaaS)理念的开源平台，整合了AI社区最先进的机器学习模型，覆盖计算机视觉(CV)、自然语言处理(NLP)、语音、跨模态和科学计算等多个领域。它提供统一的接口和实现，支持模型的推理、训练和评估，简化了模型在现实世界应用中的使用过程。平台公开了超过700个模型，支持从文本生成到图像处理等多种场景，并可与Hugging Face等社区集成扩展资源。

jepa-intuitive-physics是一个通过自然视频的自监督预训练，让机器学会直观物理理解的项目。它利用自监督学习方法，无需标注数据即可训练，提供了完整的代码和数据，支持多种模型评估，为研究直观物理理解提供了强大的工具。

一个大模型导航资源，里面收集了几乎全部的模型，具有里程碑意义的论文，排行榜，测试集，训练框架，部署，应用，书籍等

xCodeEval是一个大规模多语言多任务基准，用于评估代码理解、生成、翻译和检索的能力，旨在为研究和开发提供支持。

大型语言模型的数据、模型和基准集市，为ChatGPT的大众化贡献力量

Supervised是一个平台，允许用户使用OpenAI的GPT引擎构建监督型大语言模型（LLMs）。它提供用户友好的界面，支持使用自定义数据来微调AI模型。用户还可以通过Supervised API部署、变现和集成他们的模型。

飞桨可信AI，基于PaddlePaddle开发的集可信分析和增强于一体的可信AI工具集，助力NLP开发者提升深度学习模型效果和可信度，推动模型安全、可靠的落地于应用

awesome-LLM-resourses 是一个涵盖广泛的LLM资源集合，包括数据集、微调、推理、知识库、智能体、书籍、课程、学习教程以及相关论文等内容。项目持续更新，旨在成为最好的大语言模型资源汇总，适合从入门到进阶的研究者和开发者使用。

Entry Point AI 是一个现代化的微调平台，支持定制和管理大语言模型，用户无需编程技能即可训练和评估模型。它提供用户友好的界面，帮助用户按照具体需求优化大语言模型的表现。

Unsupervised-TTS是由Cheng-I Jeff Lai开发的无监督语音合成系统，旨在利用无监督学习算法提高语音合成的质量和效率，同时支持多种语言，便于与现有系统集成。

zero_nlp 是一个专注于中文自然语言处理的项目，提供全面的NLP数据处理流程，支持多种预训练模型，具备便捷的模型训练接口以及高效的推理与评估工具，适合研究与应用开发。

由AI2开发的开源LLM评估系统，用于对基础模型和指令微调模型进行全面评估。

该项目允许用户在CPU上运行MPT-30B模型的推理，具有低训练和运行成本的特点。用户只需32G内存即可进行模型推理，适合各种文本生成和评估任务。

本项目通过扩散模型解决多机器人在复杂环境中的路径规划问题，旨在提高机器人团队的协作效率。提供预训练模型和数据集，用户可以快速上手，并支持多种地图和场景的适应，满足不同需求。

Simple-SimCSE是SimCSE模型的简单实现，支持无监督和有监督的训练方法，易于与流行的深度学习框架（如PyTorch）集成，并允许自定义训练和评估设置。