llm-hallucination-survey开源项目 – 解决大语言模型的幻觉问题

大型语言模型(LLM)幻觉相关论文列表，旨在解决大语言模型中的幻觉和真实性问题，通过评估、检测和改进方法提高语言模型的可靠性和正确性。
llm-hallucination-survey的特点:
1. 提供与LLM幻觉相关的研究论文列表
2. 聚焦于生成内容与源内容或世界知识不符的现象
3. 帮助研究人员和开发者理解和改进LLM的可靠性
4. 汇集评估、检测和改进方法的文献

llm-hallucination-survey的功能:
1. 查阅LLM幻觉相关的研究资料
2. 为研究和开发提供参考文献
3. 了解如何提高语言模型的真实性和可靠性

相关导航

大型语言模型的挑战和应用-探讨LLM的现状与未来

随着LLM的发展速度，人们很容易认为为该领域做出贡献是不可能的。这与事实相差甚远。对于从业者和研究人员来说，LLM还有大量工作要做。

ml-retreat开源项目 – 研究大语言模型的幻觉现象

一个关于大语言模型（LLM）幻觉的研究项目，旨在探讨LLM的幻觉现象及其解决方案。项目致力于分析LLM幻觉的根本原因，提供多种解决方案，并建立评估体系以检测幻觉，融合领域知识以提升模型的可靠性。

chatgpt-web开源项目 – java

这是一个用Java开发的开源项目，是一个聊天机器人。项目使用了Spring Boot 3和JDK 17技术，并支持AccessToken和ApiKey两种模式。

Roketfy官网 – 助力Etsy卖家的创新平台

Roketfy是一个创新的数据驱动平台，旨在帮助Etsy卖家提升销售。它提供智能工具和服务，以优化Etsy列表、进行产品研究、分析竞争对手、生成符合SEO的内容，并从客户评论中收集见解。

goleak开源项目 – 检测goroutine泄漏的工具

goleak是Uber开源的Goroutine泄漏检测器，用于检测因不正确使用goroutine而导致的泄漏问题，帮助开发者找到并解决潜在的性能问题。

llguidance开源项目 – 约束解码大型语言模型输出

实现了对大型语言模型输出的约束解码，支持多种格式的语法规则，并且具有高效的性能。该项目旨在提高语言模型的输出质量，确保生成文本符合特定的语法和结构要求，适用于多种自然语言处理任务。

1000个中国独立开发者项目汇总开源项目 – 中国独立开发者项目资源大合集

该项目汇总了1000个中国独立开发者的开源项目，涵盖实用工具、AI工具、API服务、个人产品等多个领域。项目按类别分类展示，帮助开发者快速找到感兴趣的项目，获取灵感、了解市场趋势，甚至找到合作机会。同时，项目还提供了如何通过解决小众需求实现变现的案例，帮助开发者避开技术陷阱，节省开发时间。

Code Llama for VSCode开源项目 – 为VSCode提供Code Llama支持

基于llama.cpp，通过Continue Visual Studio Code扩展启用对Code Llama的支持的VS Code插件，能够本地化集成Code Llama与VSCode，提升开发效率。

ParrotsCage官网 – 智能日记平台，助你提升情绪和幸福感

ParrotsCage是一个高效的日记平台，利用人工智能对你的日记条目提供反馈。它允许你记录思想、情感和经历，并提供可操作的见解，以改善你的情绪和幸福感。

Brand24官网 – 先进的社交聆听工具

Brand24是一款前沿的AI社交聆听工具，帮助企业和个人监测在线存在、跟踪品牌声誉，并从社交媒体、新闻、博客等多个渠道获取可操作的洞察。旨在为营销人员、公共关系专业人士和代理商简化了解和与受众互动的过程。

Julep官网 – 自动化复杂AI工作流的平台

Julep是一个构建复杂AI工作流的平台，旨在自动化浏览器任务并无缝集成各种数据源。通过定义代理、为其配备工具以及使用YAML创建任务，用户可以轻松实现自动化。

TorchScale开源项目 – 探索AI大模型的基础研究

TorchScale 包含我们在Transformers稳定性（DeepNet）、通用性（Magneto/Foundation Transformers）和效率性（X-MoE）的一系列研究的官方实现。我们希望通过基础本质的研究探索AI（尤其是大模型）的通用结构，并在NLP，CV，Speech和多模态等领域的任务和基础模型中广泛验证，欢迎大家使用、交流、合作开发。

Efficient LLM inference solution on Intel GPU-基于Intel GPU的高效LLM推理

提出一种高效的基于Intel GPU的LLM推理解决方案。通过简化LLM解码器层的结构，融合数据移动和逐元素操作，降低内存访问频率和系统延迟。同时，提出一种段KV缓存策略，将请求和响应token的键/值存储在不同的物理内存中，以有效管理设备内存，提高运行批处理大小和系统吞吐量。在Intel GPU上实现了该解决方案，并与标准的HuggingFace实现进行了比较，对于一些流行的LLM模型，在Intel GPU上实现的解决方案的令牌延迟降低了7倍，吞吐量提高了27倍。