imandra.ai官网 – 赋能AI的逻辑推理平台

MInference是一种高效的长上下文大型语言模型（LLM）推理加速工具，采用动态稀疏注意力机制和稀疏计算方法，显著加速长序列处理的预填充过程。它能够在保持高准确性的同时，将LLM处理百万上下文的时间提速10倍，适用于A100等硬件平台。MInference可直接应用于现有的LLM，无需预训练或额外微调，已在多个基准模型上验证其性能。

Tree of Thoughts (ToT) 是一个强大而灵活的算法，能将模型推理能力提升多达70%。该插件式版本允许用户连接自己的模型，体验超智能的推理能力。

o1推理链旨在利用Groq、OpenAI或Ollama等技术，创建类似o1的推理链，以提高大型语言模型（LLMs）的逻辑推理能力。该项目提供了创建和管理推理链的工具，具有优良的可扩展性和灵活性，适合多种应用场景。

Gemini是谷歌最大的AI模型，旨在通过加速人类进步和改善生活给人类和社会带来巨大利益。它在多个领先基准上表现出色，支持不同尺寸的优化：Ultra、Pro和Nano。Gemini从零开始构建为多模态，能够理解、操作和结合文本、代码、音频、图像和视频等不同类型的信息。

Flipner AI 是一种创新的文本创作工具，可以让用户随时随地捕捉各种想法，存储文本和音频笔记于内容中心。通过 Flipner 直观的 AI 工具，用户可以将自己的思路转化为结构化的草稿或可直接使用的文本。

用LLM进行复杂推理的框架，采用先进的推理算法，将多步推理视为规划，并搜索最优的推理链，以实现'世界模型'和'奖励'的最佳平衡。

Ambrosia是一个强大的Python库，专注于A/B测试的设计、拆分和结果测量，支持复杂的实验设计和自动化的数据收集，提供结果分析和可视化工具，易于与现有的Python项目集成。

Eticas是一个专注于通过自动化审计和独特的数据库，系统性地消除AI系统中的意外偏见的项目。凭借十年的负责任AI经验，Eticas能够确保输出的有效性和合规性。

Time-LLM 是一个重新编程框架，用于将大型语言模型（LLMs）重新用于通用的时间序列预测，同时保持其骨干语言模型的完整性。

text-splitter 是一个将文本分割成不同片段的工具，旨在提高处理大型文本的效率。它支持根据字符和令牌计算长度，特别适合与大型语言模型结合使用。

科学探索Agent资源列表：汇集了关于大型语言模型和科学研发Agent的精选论文，旨在促进科学研究与人工智能的结合，提供前沿研究动态和资源

PaSa是一款智能学术搜索助手，能够自动搜索、阅读论文并筛选相关文献，帮助研究人员高效获取精准的学术信息。它借助大型语言模型，支持复杂的学术查询，提升了学术研究的效率和准确性。

MarkLLM是一个专门用于在大型语言模型(LLM)中实现水印的研究和应用的工具包，旨在提供水印的生成、检测及其对模型性能的研究，助力学术和工业界的相关探索。

OpenManus是一个开源项目，旨在让开发者能够轻松访问、修改和扩展Manus的功能。它无需邀请码，打破AI封闭生态，提供快速上手的体验。项目集成了多种成熟技术，包括大型语言模型（LLM）、AI Agent、计算机/浏览器使用、图像/视频理解、爬虫等，通过产品思维和工程集成，提供高效、智能的解决方案。

START（Self-Taught Reasoner with Tools）是一种创新型大型语言模型，通过整合外部工具（如 Python 解释器）提升其推理能力。它采用“Hint-infer”和“Hint-RFT”技术，自学如何更有效地使用这些工具，从而在科学问答、数学问题解决和代码生成等任务中表现出色。特别是在博士级科学问答 GPQA 和竞赛级数学基准测试中表现优异，成绩达到或超过现有开源模型的最新水平。

MnnLlmApp是一个基于MNN-LLM框架的Android手机应用，支持各类大型语言模型（LLM）在手机上离线运行，能够处理多模态任务，包括文本生成、图像生成和音频转文本等。该应用在安卓平台上具有优秀的CPU性能，预填充速度相较于其他框架大幅提升，支持多种模型，完全在设备本地运行，确保数据隐私和处理效率。

开源的前端项目，旨在在浏览器中运行大型语言模型（LLM），通过 MLC-LLM 和 WebLLM Chat 实现，支持用户通过简单的界面与模型进行交互，无需复杂的配置或安装

LLM4TS是一个整合了大量时间序列相关论文和代码的大型语言模型和基础模型平台，旨在为研究人员和开发者提供便利的工具和资源，以便于进行时间序列数据的处理与分析。该项目不仅提供了应用示例，还支持多种时间序列分析任务，简化了用户的操作流程。

LLM4IR-Survey是一个专注于大型语言模型在信息检索领域应用的文献列表，涵盖了最新的研究成果和发展动态，支持对比不同模型在信息检索任务中的表现，并提供丰富的参考文献和链接，旨在为研究人员提供全面的参考和启发。

TAID（Temporally Adaptive Interpolated Distillation，时间适应插值蒸馏）是一种新型知识蒸馏方法，专为从大型语言模型（LLM）高效转移知识到小型语言模型（SLM）而设计。它通过时间依赖的中间分布动态地在学生和教师分布之间进行插值，解决了由于教师模型和学生模型之间能力差距过大、模式平均和模式崩溃等问题导致的知识转移效率低下问题。研究表明，TAID通过渐进式和自适应的知识转移过程，提升了蒸馏的性能和稳定性，并在指令调整和预训练场景中表现出色。

Satori是一个基于Qwen-2.5-Math-7B的7B参数大型语言模型，通过Chain-of-Action-Thought (COAT)推理机制和Reinforcement Learning with Autoregressive Search (RAE)策略提升模型的自主推理能力。该项目专注于数学推理和跨领域任务，在GSM8K、MATH500等数学推理基准测试中达到最新水平，并能推广到逻辑推理、常识推理和表格推理等任务。模型和数据可在Huggingface平台获取，代码预计未来几周发布。

DeepSeek-R1 是由 DeepSeek AI 开发、通过 NVIDIA NIM 平台支持的大型语言模型，拥有 6710 亿参数，专注于推理、数学和编码任务。它采用链式思维方法和测试时间扩展技术，能够生成文本、解决复杂推理问题、辅助编码和数学任务，并进行自然语言对话。模型提供精简版本，适合不同硬件环境使用，广泛应用于 AI 研究、教育、编码辅助等领域。

一项研究探讨大型语言模型（LLM）在科学发现中的表现，特别是GPT-4在多个科学领域的应用。该研究分析了GPT-4在药物发现、生物学和计算化学等领域的能力，评估其在复杂问题解决和知识整合任务中的有效性，同时进行专家驱动的案例评估和基准测试，旨在加速科学进步和优化资源配置。