自然语言处理缺陷检测

AdaTest 是一个用于自适应测试的工具，旨在发现并修复自然语言机器学习模型中的缺陷，支持多种语言模型并提供自动化缺陷修复建议。

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。

RoRF路由森林是一个基于随机森林的模型路由框架，能够通过智能选择不同模型来降低成本，同时保持或提升性能，特别适用于大规模语言模型（LLM）.

LMOps是一个新的框架，用于训练并识别高质量的上下文示例，从而提升大型语言模型的性能。它通过评估候选例子的质量，促进上下文学习，能够有效处理未见过的任务，并对不同大小的LLM模型均有一致的性能提升。

llama-api是一个类OpenAI的LLaMA推理API，旨在提供便捷的模型推理服务。它支持自动下载模型、并行处理和并发处理，以便用户可以高效地进行文本生成和其他相关任务。

该项目实现了一种参数高效的迁移学习方法，专注于点云分析，通过结合动态适配器和提示调优来提升模型在特定任务上的表现。

Teste.ai 是一个利用人工智能创建测试场景和用例的智能软件测试平台，提供多种工具和功能，帮助测试人员提高创建、执行和管理软件测试的生产力和效率。

AutoFlow是一个无代码自动化测试工具，旨在为QA团队、开发人员和产品经理简化跨浏览器测试。用户可以轻松创建、执行和维护测试套件，从而加快上市时间并确保高质量的软件交付。

该框架将3D感知集成到预训练的2D扩散模型中，增强了得分蒸馏的鲁棒性和3D一致性，旨在解决2D扩散模型无法捕捉3D一致性的问题。

该项目是一个基于SAM的显微镜分割和跟踪工具，旨在通过自动化技术提高显微镜图像分析的效率。它集成了先进的深度学习模型，能够支持显微镜图像的自动分割和细胞在时间序列中的变化跟踪，适合处理大规模数据集，并提供用户友好的界面。

Aptori 是一种基于先进 AI 技术的应用安全测试工具，旨在减轻开发人员在制定和维护测试方面的负担。它能够无缝集成到工作流程中，确保一致的测试结果和最佳性能。