Awesome-Diffusion-Inference开源项目 – 扩散模型推理的精选资源

是一种通过减少内存带宽需求来增强语言大模型效率的技术。它无需对预训练或微调进行更改，可以显著减少注意力内存需求，而不会影响准确性。

提出 RetNet 作为 LLM 的基础架构，同时实现训练并行性、低成本推理和良好性能。

这是一个专注于应用于网络安全的强化学习资源的精心整理列表，包含研究论文、实用实现和相关工具，旨在帮助研究人员和开发者在这一领域获得最新的信息和技术支持。

Awesome-Agent4SE是一个关于软件工程中Agent的资源列表，汇集了大量关于如何将大型语言模型（LLM）应用于软件工程领域的研究论文。该项目旨在帮助开发者和研究人员更好地理解和利用这些技术，以提升软件开发的效率和质量。通过提供全面的调查、现状和未来展望，Awesome-Agent4SE成为了一个宝贵的资源库，适用于学术研究、开发项目以及教学培训。

这是一个关于几何生成模型（GGM）的教程资料，旨在帮助用户理解和实现各种生成模型。它提供了理论背景、实际应用示例，并支持多种模型的实现，同时包含易于使用的代码示例以及最新的研究进展。

从零开始构建大型语言模型的学习记录，记录了一步步构建语言模型的过程，适合想要深入了解NLP和机器学习的爱好者。

《理解深度学习》是由Simon J.D. Prince编写的一本关于深度学习的专业书籍，内容涵盖深度学习的理论基础、性能评估、卷积网络、Transformers、图神经网络、生成对抗网络（GANs）、扩散模型（Diffusion Models）、强化学习等主题。书中提供了深入的理论和实践指导，并附有大量练习题，适合初学者和有经验的研究人员。

视觉与语言导航领域的精选资源库，汇集了最新的研究论文和代码，帮助研究人员和开发者快速了解和应用该领域的最新进展

ACU是一个关于Computer Use的AI代理资源精选列表，涵盖了研究论文、项目、框架和工具，旨在为用户提供全面的AI代理相关信息和资源。

book.fast.ai是为阅读fastai书籍的读者提供的信息平台，包含代码示例、教程以及深度学习从业者的资源。项目定期更新，提供新内容和改进，帮助用户更好地理解和应用深度学习概念。

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

《动手学大模型》系列编程实践教程，由上海交通大学《人工智能安全技术》课程讲义拓展而来，旨在帮助开发者深入理解和实践大模型的相关技术。通过简单实践，帮助同学快速入门大模型，更好地开展课程设计或学术研究。

该项目是一个高效LLM和多模态基础模型相关的论文资源列表，涵盖了大型语言模型(LLM)、视觉Transformer(ViT)、扩散模型以及基于LLM的多模态模型。这些资源详细展示了这些模型在机器学习生命周期的各个阶段，从训练到部署的应用与实现。

这是一个针对高效大语言模型的精心策划的资源列表，涵盖相关研究论文和技术，定期更新以保持信息的时效性，并对资源进行分类，方便用户浏览。包括理论论文和实践实现，旨在为研究人员和开发者提供有价值的参考。

这个Github库整理了不同版本C++的新特性，包含丰富的代码示例，帮助开发者理解和应用最新的C++功能。

书生大模型实战营是一本全面的教程，涵盖了书生浦语大模型的使用、训练及调优技巧，提供了实战案例和代码示例，支持多种应用场景，帮助用户深入理解和应用该模型。

该项目提供了现代深度学习技术在自然语言处理中的应用，包括多种模型和算法，结合实用代码示例，适用于多种NLP任务，文档易于理解，同时持续更新最新研究成果。