一个使用简单、原始的 C/CUDA 进行LLM培训的项目，旨在提供轻量级的实现，减少对大型库的依赖。
一个轻量级LLM应用开发框架，类似于Python requests库的简洁设计理念，提供了90%必需的LLM开发功能。
dstack是一个开源工具，可以在任何云环境中简化大型语言模型（LLM）的开发。它使开发者能够利用开放的LLM，降低云成本，避免对供应商的锁定。
Hegel AI Prompt Playground是一个供团队实验大型语言模型（LLM）和提示的工具，用户可以跟踪尝试过的历史记录并添加评估，帮助开发者更高效地迭代出适合其用例的工作提示和模型组合，附带SDK。
Meta Lingua 是一个轻量级、高效且易于修改的大型语言模型（LLM）研究代码库，专为研究者设计，支持模型训练和推理。其核心特点是使用易于修改的 PyTorch 组件，方便研究者尝试新的架构、损失函数和数据集。Meta Lingua 提供端到端的训练、推理和评估功能，模块化设计使其具有高度可重用性和灵活性，能够快速迭代和验证新概念。
miniLLMFlow是一个极简的LLM框架，仅用100行代码实现，旨在使大型语言模型能够进行自我编程。该框架提供了简洁易用的接口，并支持高效的模型训练和推理，适合研究和应用开发。
Superpowered AI 是一款端到端的知识检索解决方案，旨在简化构建生产就绪的 LLM 应用程序，同时提供对外部知识的访问。该平台提供知识库即服务，赋予用户强大的人工智能能力。
GPU Finder是一个网站，帮助客户发现来自全球公共云提供商的可用GPU实例。它提供了不同云提供商提供的各种GPU、GPU服务器和GPU计算平台的信息。
这是一本全面介绍Go应用程序性能分析、追踪和可观察性的指南，涵盖了多种工具和技术，提供实际示例和最佳实践，重点关注可观察性和监控解决方案。
Juice是一个软件项目，提供GPU-over-IP解决方案，使用户能够远程访问和共享可负担且易于获取的GPU资源。通过利用未使用的GPU容量（称为'Dark GPU'），Juice可以在不同的部署和提供商之间实现GPU的高效利用。用户只需在工作站或服务器上安装该软件，即可实现对GPU加速工作负载的直接远程访问。
crystalcoder-data-prep是为CrystalCoder 7B LLM准备训练数据的代码，涵盖数据下载、token化、序列拼接、FIM增强和数据混洗等多个步骤，旨在提高模型训练的效率和效果。
这是一个基于PyTorch的库，旨在加速在分布外（OOD）检测方面的研究，支持多种检测方法，并提供易用的API设计。该项目结合深度学习模型进行OOD任务，提供数据集和基准测试，且可与PyTorch深度学习框架无缝集成。
