Multipack Sampler开源项目 – 无填充的分布式训练加速器

Multipack Sampler是一种专门为大型语言模型设计的分布式采样器，旨在实现快速的无填充训练，提升训练效率同时优化资源使用。
Multipack Sampler的特点:
1. 专为大型语言模型设计
2. 支持无填充的分布式训练
3. 提高训练速度
4. 优化资源使用

Multipack Sampler的功能:
1. 在分布式训练中使用
2. 与大型语言模型结合使用
3. 提高训练效率

相关导航

imodelsX开源项目 – 可解释的自然语言处理模型

imodelsX是一个专注于自然语言处理的可解释性模型，利用大型语言模型为数据集提供自然语言解释，增强NLP任务的透明度，并支持多种提示和模型选择。

The Impact of Large Language Models on Scientific Discovery: a Preliminary Study using GPT-4-探讨GPT-4对科学发现的影响

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。

DeepSeek官网 – 低成本高性能的中文AI模型

DeepSeek是一家位于中国杭州的人工智能公司，专注于开发大型语言模型（LLMs）。公司成立于2023年7月，隶属于中国对冲基金High-Flyer。DeepSeek的核心产品包括一系列LLMs，涵盖对话、搜索、编程和推理功能。其模型在性能和成本效益上表现出色，特别是在推理任务和编程支持方面，能够与国际领先模型如OpenAI的GPT-4o媲美。DeepSeek的模型训练成本显著低于行业平均水平，例如V3模型的训练成本仅为600万美元，而OpenAI的GPT-4在2023年耗资1亿美元。2025年1月，DeepSeek推出了同名聊天机器人和DeepSeek-R1模型，迅速在全球AI领域崭露头角。

Clarifyze AI官网 – 启发未来创新者的AI教育平台

Clarifyze AI提供全面的人工智能课程和大型语言模型的资源，通过生动的动画视频，让孩子们在激动人心的教育旅程中探索AI概念，旨在培养未来的创新者。

LLaVA-LLaMA-3-基于Llama-3开源项目 – 8b的大型语言模型

LLaVA-LLaMA-3是基于Llama-3-8b大型语言模型(LLM)的LLaVA-v1.5复现项目，旨在提供预训练模型及相关的训练和演示脚本，方便研究人员和开发者进行自然语言处理任务的探索与应用。

Awesome-LLM-Watermark开源项目 – 大型语言模型水印研究资源

这是一个精心整理的LLM水印论文列表，提供关于大型语言模型水印技术的最新研究和资源。

Awesome-LLM-for-NLP开源项目 – 大型语言模型与NLP的结合资源

该项目汇集了最新的大型语言模型与自然语言处理(NLP)的研究论文和相关资源，旨在为研究者和开发者提供一个全面的平台，帮助他们了解和应用各种大型语言模型。

Prompt Engineering Methods-大型语言模型的提示工程方法概述

本项目对大型语言模型在不同自然语言处理任务中的提示工程方法进行了调查，展示了如何在不需要大量参数重训练或微调的情况下，增强模型能力，并使非深度学习背景的用户能够与大型语言模型进行交互。同时总结了基于NLP任务的各种提示技术，并分析了在不同数据集上的性能表现。

Secondbrain开源项目 – 本地AI对话，保护隐私

Secondbrain是一款跨平台桌面应用程序，用户可以在本机下载和运行大型语言模型(LLM)，实现本地AI对话，无需联网，充分保护用户隐私，让用户可以自由表达思想。

DeepSeek-R1官网 – 高效低成本的大型语言模型

DeepSeek-R1 是由 DeepSeek AI 开发的大型语言模型，集成强化学习和链式思维能力，旨在通过 AWS 提供高效的 AI 解决方案。该模型在推理、数学和编码任务中表现出色，且成本比同类模型低 90-95%。它可以通过 Amazon Bedrock 和 SageMaker 等服务部署，适合构建生成式 AI 应用。

天工AI搜索官网 – 首个AI搜索产品

天工AI搜索是昆仑万维推出的首个AI搜索产品，利用100亿参数级的大型语言模型‘天工’，提供精准、个性化的对话式回答。它集成了搜索、对话、写作、文档分析、绘图和PPT制作等多种功能，适合学习、工作和生活。

SWE-RL开源项目 – 强化学习增强软件工程推理能力

SWE-RL是Meta发布的第一个使用强化学习（RL）专门用于增强大型语言模型（LLM）处理现实世界软件工程（SE）能力的RL方法。该项目专注于垂直细分领域的RL推理大模型，具有处理GitHub上issue问题、软件代码生成和项目bug修复等能力。通过开源软件演进数据和基于规则的奖励机制，推动大型语言模型推理能力的强化学习项目。