InfiniteHiP 是一种高效的后训练注意力机制，旨在解决大型语言模型（LLMs）在处理长上下文时的计算和内存挑战。它通过动态消除无关上下文token和优化内存管理，显著提升长文本处理的速率和效率。无需额外训练即可扩展模型的上下文长度，适用于各种长文本任务，如语言理解、推理和文本生成。
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。
这是一本关于在自然语言处理任务中使用大型语言模型(LLMs)的全面指南，提供有关模型、数据和下游任务的深入见解。
一个关于大型语言模型系统相关论文的综合性列表，旨在为研究人员和开发者提供有价值的资源和参考。
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。
该项目提供了高效大语言模型的文献综述，涵盖最新的研究进展和技术，适用于研究人员和开发者的参考资料，并支持多种应用场景的分析。
一个全面的列表，包含与基于基础模型（如LLM和VLM）相关的决策制定的论文、代码库和数据集。
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。
对当今大型语言模型 (LLM) 背后细节的低代码介绍，通过完全在 Excel 中实现的真实LLM了解 AI 的工作原理。
OS Agents: A Survey on MLLM-based Agents for General Computing Devices Control，提供有关操作系统代理的研究进展、相关论文、框架、评估基准及安全隐私资源。
这是一个针对大型语言模型角色扮演及指定角色的资源汇总列表，包含研究论文、实现指导和最佳实践等内容。
本文调查了快速发展的指令调优 (IT) 领域的研究工作，这是增强大型语言模型 (LLM) 功能和可控性的关键技术。
