SDK Vercel官网 – 构建AI应用的在线平台

LLMTuner 是一个专为大语言模型设计的指令调优工具，支持全量参数微调、LoRA 和 QLoRA，旨在提升模型的指令响应能力和优化微调过程。

Llama Stack 是一个开源项目，旨在将 LLM 应用构建生成周期的所有组件打包，包括训练、微调、产品评估、观测、Agent & Memory、合成数据生成等，并支持 9+ 提供商。

SimCSE是一个简单的框架，旨在通过无监督和监督的方法进行句子嵌入的对比学习，从而实现高质量的句子表示。

基于LLaMA和SlimPajama的MoE模型，旨在利用混合专家模型进行持续预训练。该模型结合了LLaMA和SlimPajama的优点，通过支持混合专家架构，提高模型的效率和性能，同时能够进行持续的预训练，以适应不同的任务，灵活的模型配置使其适用于多种应用场景。

一个可定制、简洁、用户友好且高效的工具包，用于训练和微调大型语言模型，支持多种训练和优化方法，以提高模型性能和稳定性。

nanoRWKV是RWKV语言模型的轻量级实现，专为快速实验与多种语言处理任务设计，兼容RWKV架构，基于nanoGPT优化了性能和效率，易于扩展和自定义。

2000 Fine Tuning Prompts是一个全面的资源，旨在帮助爱好者学习和实验微调，熟悉其在不同上下文中的功能和应用。

LLM-Dojo是一个开源大模型学习场，提供简洁易读的代码框架，支持多种主流模型的训练和强化学习技术，旨在帮助AI爱好者和研究者进行深入的研究和开发。

整理开源的中文大语言模型，以规模较小、可私有化部署、训练成本较低的模型为主，包括底座模型，垂直领域微调及应用，数据集与教程等。该项目收录了100+个中文LLM相关的开源模型和资源，适合企业应用和研究。

一个开源扩展，允许用户在本地环境中使用容器与大型语言模型(LLM)进行交互，支持AI模型下载、推理服务器启动、本地实验场以及AI应用开发

SearchUnify是一个统一的认知平台，提供企业搜索、洞察引擎和人工智能驱动的应用，旨在提升客户支持和自助服务体验。该平台集成了多种应用，并提供与Salesforce、Zendesk等平台的连接器，使用认知搜索技术来改善信息可寻址性，支持主动决策，并为客户支持专业人士和知识工作者提供一流应用。

卡内基梅隆大学团队在首届AI数学奥林匹克竞赛(AIMO)中获得亚军的开源项目，包含完整的训练数据集(AIME、AMC、Odyssey-Math)、验证集、模型微调代码和数据收集脚本，为研究AI解决数学问题提供了宝贵资源

LMFlow是一个专为语言模型工作流设计的开源框架，提供优化开发与部署过程的工具，支持从训练到推理的全链路管理，提升语言任务的效率。它具有可扩展的架构，支持大规模机器学习模型的高效微调和推理，并提供用户友好的界面进行模型管理。

SiliconCloud 是一个基于优秀开源基础模型的高成本效益的生成式AI云服务，旨在为企业和开发者提供全场景模型服务。它支持快速的模型推理，适合各种应用场景，如对话和图像生成。项目特点包括高性能推理、自动伸缩和灵活的定价模式。

Prisms是一个无代码平台，允许用户通过连接数据源、用户输入和现成的构建模块来创建自己的AI驱动应用，无需编写代码，提供易于使用的界面，支持直接部署和自定义前端。

OpenChat是一个专为对话系统设计的开源框架，为开发者提供构建高效交互模型的工具，支持多场景对话任务的开发与优化，兼顾性能与适配性。

一个用于中文信息抽取的项目，基于LLaMA和Alpaca模型，结合LoRA技术进行微调。该项目旨在提供高效、准确的中文文本处理能力，特别是在命名实体识别（NER）方面，支持多种训练和评估配置，方便用户根据需求进行模型微调与集成。

Evoke是一个平台，允许开发者和企业在云端托管AI模型，并通过API访问，省去昂贵的云设置成本。用户可以轻松上传AI模型，并高效地进行AI应用开发。

Figma to Fullstack AI是一个平台，允许用户将Figma设计转化为功能齐全的AI驱动应用，无需编码。该平台提供无缝的开发流程，快速交付，提升生产力，加速项目成功。

Intel LLM-on-Ray 是一个基于Intel平台的大规模语言模型预训练、微调和服务部署的解决方案。它简化了从零开始构建、定制和部署大型语言模型的复杂流程，帮助用户高效地完成语言模型的开发和应用。

基于模块化构建和敏捷部署的RAG系统框架，旨在通过自动化的 '数据构建 - 模型微调 - 推理评估' 知识适应技术系统，为研究人员和开发者提供一站式的解决方案。

该项目汇集了多个开源的中文预训练语言模型及其对应的指令数据集，旨在为中文自然语言处理提供丰富的资源。

Vellum是一个用于构建大语言模型（LLM）应用的开发平台，提供了提示工程、语义搜索、版本控制、测试和监控等工具。该平台兼容所有主要的LLM提供商，支持快速实验、回归测试、版本控制以及可观测性与监控。用户可以利用专有数据作为LLM调用的上下文，比较和协作处理提示和模型，并在生产环境中测试、版本控制和监控LLM的变化。