谷歌DeepMind发布的最新多任务视觉语言模型(VLM)，集成了多种视觉和语言处理能力，支持图像描述、目标检测、图像分割、OCR以及文档理解等任务。该模型提供三种不同参数规模(3B、10B、28B)，支持224px和448px两种分辨率，基于开源框架开发，易于使用和扩展，通过简单提示即可切换任务，无需额外加载模型。
ChatGPT.nvim是一个用于与OpenAI GPT-3聊天机器人的Neovim插件，提供了一个易于使用的界面，让用户能够探索GPT-3及其自然语言处理功能。
DeepSeek-V3 的Q4_k_m 量化版本，大小比原本的小一半，兼容性强，适用于多种环境，提升处理效率，同时保留大部分原始模型性能。
ToolkenGPT是一个无需微调整个语言模型的工具，仅需训练一小部分参数即可使模型学习使用新工具，并能够处理大规模工具集。该项目获得了SoCalNLP 2023最佳论文奖，展示了其在自然语言处理领域的创新能力。
Llama 2是Meta推出的最新一代大型语言模型，旨在提供更强的自然语言处理能力。
RWKV是一种新型模型，它不需要注意力机制，而是将递归神经网络和Transformers的优点结合在一起。
StyleLLM文风大模型是一个文本风格迁移项目，基于大型语言模型，提供四个经过中国四大名著训练的模型，能够支持多种文本风格的转换，适用于各种语言处理场景。
picollm是一个基于X-Bit量化的设备端大型语言模型(LLM)推理引擎，专为运行压缩的大型语言模型而优化。它提供跨平台、高准确性的SDK，支持本地运行以确保隐私安全，适合在资源受限的设备上使用。
EurekaLabsAI的n-gram语言模型：基于统计学原理的文本生成工具，通过学习字符序列的概率分布来生成新文本，适用于自然语言处理和机器学习的基础训练。
在ESP32微控制器上运行大型语言模型（LLM），探索其在资源受限环境下的可能性，特色包括使用tinyllamas模型和对llama.2c的优化以提高性能。
AndesGPT-7B是OPPO研究院基于Baichuan2项目继续训练得到的70亿参数规模中文语言模型，采用800B中文语料进行微调，能够有效处理多种中文自然语言处理任务。
PapersGPT For Zotero 是一个专为Zotero设计的AI插件，能让用户与PDF文献进行自然语言对话，从而大幅提升论文阅读和研究的效率。该插件集成了多个先进的AI模型，包括GPT、ChatGPT、Claude、Gemini和DeepSeek，支持多种文献格式的导入与导出，同时提供智能摘要和关键点提取功能，帮助用户更好地管理文献和进行研究。
一个专注于图语言模型的研究项目，旨在利用图结构来提升语言表示的效果，并整合多种基于图的技术于自然语言处理（NLP）领域。
最新发布的语言模型，包括编程模型和数学模型，性能更强，支持128K上下文，能生成最多8K的内容。
Frame Semantic Transformer是一个基于T5模型的框架语义解析器，利用FrameNet进行深度语义分析，支持多种自然语言处理任务，具备灵活的模型训练和微调能力，能够高效地进行推理。
Search-o1是一个增强大型推理模型的搜索工具，类似于为模型装上“搜索引擎”，使其在思考过程中能够随时查找知识，从而减少错误和不确定性，提升完成复杂任务的能力。
GPT-NeoX是一个基于Transformer架构的大规模开源语言生成模型，能够生成高质量的自然语言文本，支持多种应用场景，包括对话系统、文本创作、内容生成等。该模型在大规模数据集上进行预训练，并可以根据特定任务进行微调，具有强大的文本理解与生成能力，适合开发者用来构建个性化的AI应用。此外，GPT-NeoX还支持大规模模型并行，基于DeepSpeed库优化了内存使用，具有高效的训练和推理性能，灵活的架构支持多种训练配置，是一个开放源码、社区驱动的项目。
xLSTM是由LSTM发明者创造的新架构，旨在实现与Transformer类似的规模和性能，同时缩小与现有最先进LLMs的差距。
一个汇集了可通过API访问的免费大型语言模型（LLM）推理资源的列表，方便开发者获取和使用各种大型语言模型的API。
强大的零代码机器学习助手，将AutoGluon的自动化机器学习能力与大语模结合，用户只需使用自然语言描述问题并提供数据，即可获得高精度的ML解决方案。
Grok-1 是一个开源的AI模型，基于大量文本数据进行训练，未针对特定任务进行微调。
KRAGEN结合知识图谱、检索增强生成（RAG）和高级提示技术，旨在通过将知识图谱转换为向量数据库，利用RAG技术检索相关事实，并辅以图思考（GoT）技术动态分解问题，最终提供高效的解决方案。
Towhee 是一个开源的嵌入框架与社区，旨在帮助用户使用深度学习的方法处理非结构化数据，如图片、视频和自然语言。
为了提高LLM的演绎推理能力并确保推理过程的可信度，我们提出了一种基于自然语言的循序渐进的推理验证过程，并使用自然程序格式。
这是一个音频字幕的数据集，旨在评估音乐与语言模型的性能，包含多种歌曲的音频描述，促进音乐与自然语言处理交叉领域的研究。
一个Python框架，用于构建基于LLM的应用，提供多智能体编程范式，智能体通过交换消息协同解决问题。
HowdoI.ai 是一个基于LangChain Python库构建的智能聊天机器人，能够回答用户提出的各种问题，易于集成到现有系统中，并提供自然语言处理支持。
一份收集整理了各种人工智能领域的资源集合，涵盖常用工具、学习教程、代码编程、书籍、讲座视频、周刊及相关论文等内容。
由中电信人工智能科技有限公司研发训练的大语言模型，采用1.5万亿 Tokens中英文高质量语料进行训练，支持多种自然语言处理任务，适用于聊天机器人和智能客服，并提供API接口方便集成。
用Rust语言编写的GLiNER模型推理引擎，能高效地处理自然语言处理中的命名实体识别等任务，具有资源消耗低、性能高的特点，为相关领域的开发者提供了一个强大的工具
