一个Python库，可轻松跟踪和可视化LLM的提示和输出。用户可以识别有效的策略，高效解决问题，并确保可重复的工作流程。
能力密度是研究团队提出的评估不同规模 LLM 的训练质量的新指标，定义为模型的有效参数量与实际参数量的比值。该指标提供了统一的度量框架，通过引入参考模型的概念，建立参数量与性能之间的映射关系，显著降低同等性能的推理成本，并指示模型存在高性价比的有效使用期。
本项目收录了关于大型语言模型（LLM）作为优化器的关键论文，并提供了自动优化相关文献的全面列表，专注于如何优化提示以提高LLM的性能，涵盖了最新的研究进展和技术。
OpenPipe是一个自托管的平台，旨在以数据驱动的方式快速生成、测试和比较LLM提示。用户可以轻松地在不同模型之间翻译提示，从而优化模型的表现。
Llog是一个为大型语言模型(LLM)设计的协作分析与洞察工具，能够通过简单的请求记录最终用户的交互，并便于所有商业利益相关者从这些日志中提取、分享和推导洞察。
Exifa是一个工具，旨在帮助用户了解嵌入在数字图像中的EXIF（可交换图像文件格式）数据的隐藏层次。它是首个将Snowflake Arctic LLM整合到其操作中的开源应用。
AgentOps 是一个专注于开发和评估 AI 智能体的工具包，提供评估、可观察性、重放分析等功能。它支持多种 LLM 和代理框架集成，如 CrewAI、Langchain、Autogen 等，适用于多种计算机和 AI 应用场景。通过 Python SDK，用户可以轻松集成到现有系统中，进行智能体监控、成本跟踪、基准测试等操作。此外，AgentOps 还支持艺术创作、旅游推荐、房产搜索、健康分析、人物模拟、数据抓取和策略制定等多种应用场景。
nat.dev是一个开源的LLM（语言模型）测试平台，提供用户友好的界面，方便用户实验不同的LLM模型并分析其性能。用户可以创建账户，选择不同的模型进行测试，输入文本提示，生成响应，并评估生成的输出。该平台还允许用户自定义模型参数，适合高级用户进行微调。
允许用户将代码项目转换为 LLM（Large Language Model）提示的本地工具，专注于安全性、便捷性和用户体验。
这是一个讽刺性网站，旨在帮助他人学习如何使用基于LLM的搜索。用户只需输入问题，点击按钮，即可生成一个可分享的链接，并返回定制的搜索结果。
MusicGen模型训练器，旨在简化MusicGen和Audiocraft模型的训练过程，提供用户友好的界面和强大的功能，帮助用户轻松进行音频模型的训练和评估。
Langtrace是一个开源平台，用于监控、追踪和评估您的LLM驱动应用的性能。它自动生成与OpenTelemetry兼容的追踪信息，捕捉提示、完成、令牌计数、成本、模型超参数设置和延迟指标。Langtrace可以通过仅需两行代码快速集成。
AtomGPT是基于LLaMA的模型架构，通过从零开始训练，旨在展示模型的进化过程及学习能力的提升，帮助研究人员深入理解模型的学习过程。
JAX Synergistic Memory Inspector是一个用于检查JAX程序内存使用情况的工具，旨在优化性能。它可以帮助开发者识别内存瓶颈和低效之处，提供有关JAX张量的分配和释放的深入见解，能够与JAX工作流程无缝集成，并提供关于内存使用情况的详细报告和统计信息。
Skyvern AI 是一个通过大语言模型（LLM）和计算机视觉技术，自动化基于浏览器的工作流程的项目。它提供了一个简单的 API 端点，便于集成到现有系统中，完全自动化手动工作流程，取代脆弱或不可靠的自动化解决方案。
OpenLIT是一个开源的GenAI和LLM可观测性平台，原生支持OpenTelemetry，能够在单一应用中集成追踪和指标。它是一个应用性能监控（APM）和可观测性工具，通过简单的一行代码即可简化集成过程，确保GenAI项目的顺利监控，支持包括OpenAI、HuggingFace等流行库和ChromaDB等向量数据库的项目。
