低代码机器学习框架

Ludwig v0.8是一个开源的低代码框架，旨在帮助开发者轻松构建先进的机器学习模型，特别是优化用于使用私有数据构建定制的大型语言模型（LLM）。它提供了一种声明式接口，使得模型的构建过程更加高效和简便。

llm-numbers是一个每个LLM开发人员都应该了解的工具，提供关键的统计数据和指标，帮助开发者深入理解模型性能。它支持多种语言模型的评估，并易于集成到现有的机器学习工作流中。此外，llm-numbers还提供可视化工具，以便展示模型数据，让开发者更直观地分析结果。

Collie是一个多功能的AI模型训练与部署框架，旨在简化机器学习模型的开发和管理过程。它基于PyTorch，结合了DeepSpeed和MegatronLM，避免使用复杂的外部库，并提供用户友好的接口和多种内置工具。

Xtreme1 是一个为多感官训练数据生成和处理而设计的平台，提供高效的数据标注和管理工具，支持深度学习模型的训练和评估，并且易于集成到现有的工作流程中。用户可以通过友好的界面和丰富的文档快速上手。

Giskard是一个开源测试框架，专为生成式AI和机器学习模型设计。它集成了130多种评估指标，支持自动化检测生成内容的事实性、安全性及合规性。Giskard可以处理从表格模型到大型语言模型（LLM）的所有内容，并提供企业级测试中心，支持自托管和云部署。它还与Hugging Face、MLFlow、Weights & Biases等平台无缝集成，帮助团队更快、更好地交付机器学习产品。

LongBench是一个专为中英双语长文本理解而设计的评测基准，支持多种理解任务的评估，并提供标准化的数据集和评测指标，适用于各种长文本处理模型的性能评估。

Analytiqus是一个综合性的商业分析与机器学习平台，能够连接多种数据库，使用交互式图表可视化数据，执行特征工程，并利用流行的机器学习模型如RNN、LSTM和CNN。

Predibase是一个低代码AI平台，使工程师和数据科学家能够轻松构建、优化和部署最先进的模型，从线性回归到大型语言模型，只需几行代码。它还提供了一种声明式方式，帮助工程师快速调优和服务任何开源机器学习模型或大型语言模型，并在私人云中托管先进基础设施。

该项目提供了Vision Transformer在Tensorflow中的完整实现，支持多种数据集和任务，易于扩展和修改，并包含详细的使用示例和文档，帮助用户快速上手并深入了解模型的应用与性能。

用于 LLaMA 3 8B 参数版本的轻量级 CUDA C 语言实现的推理引擎，旨在在 Nvidia GPU 上进行高效的并行处理。该项目旨在充分利用 Nvidia GPU 的性能，以提供快速的模型推理，并易于集成到现有的机器学习工作流中。

llama-swap 是一个 HTTP 代理服务器，用于在需求时自动加载和切换模型。它支持动态切换 llama.cpp 或其他符合 OpenAI 兼容的后端服务器，如 vllm。该工具简化了模型调用流程，允许在请求中热切换模型，并且可以集成到现有应用程序中以增强模型调用能力。

专门用于大型语言模型微调和对齐的库，它提供了一系列高效和可扩展的技术，以及广泛的支持方法和指标，旨在简化模型的训练和部署过程

Cursive是一个直观的Python大型语言模型（LLM）框架，旨在简化与LLM的交互，支持多种模型和任务，提供高效的数据处理能力和灵活的API设计，适用于各种应用场景。

Deepseek-V3-Base是一个参数量达到685B的AI模型，采用MoE架构，虽然官方尚未公开详细信息，但其性能表现优越，已被广泛认可，成为开源领域的亮点。

一个用于促进和支持链式思考的工具库，旨在提高模型推理能力和理解力。

TaxEval 是一个专注于税务领域的语言模型评估工具，支持多种评估指标并提供详细的评估报告，便于集成到现有的税务应用中。

lightning-uq-box是一个基于PyTorch和Lightning的库，旨在为现代神经网络提供多种不确定性量化(UQ)技术，支持灵活的模型训练和评估，并与现有的PyTorch项目无缝集成。

基于LLM之间同行评审机制的大型语言模型性能评估框架，支持自定义任务数据和配置文件，无需修改代码即可运行，适用于评估和筛选语言模型。