Velt是一个JS SDK，旨在为您的产品快速添加强大的协作体验。就像Okta专注于身份验证，Algolia专注于搜索，Velt则专注于协作。我们正在为互联网构建协作基础设施。
一个基于AI的音频处理模型，旨在提供高效的音频指令和处理能力。
UHGEval是一个用于无约束生成对中文大型语言模型的幻觉产生进行基准测试的工具，旨在帮助研究人员和开发者评估和分析模型的输出效果。
Ratchet是一个跨平台的浏览器机器学习框架，支持多种机器学习模型，兼容各种浏览器，易于集成到现有的Web应用中，提供高性能的计算能力，并且设计了用户友好的API，方便开发者使用。
用于评估和理解大型语言模型的统一评估框架，提供了用户友好的API，方便研究人员进行模型性能评估、提示工程和对抗提示攻击评估等。
SuperCLUE是一个针对中文大模型的综合性基准测试平台，提供标准化的评估指标和多任务测试能力，旨在帮助研究者评估和比较中文大模型的性能。
DeepMark是一款基准测试工具，旨在评估大型语言模型(LLM)在特定任务指标和自定义数据上的性能，帮助开发者理解模型的表现并优化其在不同场景下的应用。
该论文探讨了语言模型在反事实任务中的能力和限制，揭示了它们在抽象推理方面的表现及其依赖的任务解决程序。
FlowGPT是一个强大的聊天提示库，提供多样化的ChatGPT提示，帮助用户找到最佳提示以增强沟通效率。用户可以根据不同类别浏览提示，如聊天、角色、编程、市场营销、学术、求职、游戏、创意、提示工程、商业和生产力，并可使用关键词搜索特定提示。找到合适的提示后，用户可以将其复制到ChatGPT界面或应用中使用。
LLMOps是一个灵活、稳健且高效的Python工具包，专为大型语言模型(LLM)的运营设计。它提供了模型注册、实验跟踪和实时推理等关键功能，帮助开发者和研究人员更好地管理和优化他们的模型。该工具包支持高效的操作，并具备灵活的集成能力，适用于各种机器学习工作流。
Toronto Warehouse Incremental Change Dataset 是一个新发布的数据集，来源于清晰路径机器人仓库，旨在提供增量感知数据，支持机器人导航和环境理解的研究。
Imagen是一个文本到图像的扩散模型，具有极高的真实感，利用大型变换器语言模型来理解文本并生成高保真图像。它在COCO数据集上取得了7.27的最先进FID分数，并在样本质量和图像-文本对齐方面被人类评审者优先选择。
《解构大语言模型：从线性回归到通用人工智能》配套代码，提供了大语言模型的实现与分析，展示了线性回归与语言模型之间的关系，并支持多种数据集与训练配置，易于扩展与自定义。
一个魔改版的llama2.c，旨在利用1998年的计算机硬件（Intel Pentium II CPU + 128MB RAM）在Windows 98系统上运行大模型。
GpTea是一个综合性的ChatGPT提示平台，提供丰富的提示库，供AI爱好者连接与合作。用户可以浏览、选择和定制提示，同时参与活跃的AI社区，进行讨论和学习。
本项目对零阶优化技术进行了基准研究，重点关注在微调大型语言模型时的内存效率。
该项目研究了prompt在不同下游任务和不同类型、规模的预训练语言模型之间的迁移性，探索其在零样本设定下的有效性、对其他模型的适用性以及对训练速度的提升，并分析了影响迁移性的因素。
