LLM可观察性

Phoenix是一个notebook-first的Python库，利用嵌入技术发现LLM、计算机视觉(CV)、自然语言处理(NLP)和表格模型中的潜在现象和问题。它支持多种模型的可观察性，提供洞察发现工具，帮助识别和解决模型问题，并集成监控功能以实时跟踪模型性能，同时支持模型的微调和优化。

Windows AI Studio是微软提供的官方工具，旨在帮助开发者在本地微调和测试AI模型，支持Phi 2、RAG以及Windows优化模型，整合了Azure AI Studio目录和Hugging Face等资源，确保隐私和数据安全。

VideoTuna是一个集成了多种视频生成模型的代码库，支持从文本到视频、图像到视频的生成，并提供了预训练、连续训练、对齐和微调等完整的视频生成流程。它支持多种视频生成模型，如CogVideoX、Open-Sora、VideoCrafter等，能够处理不同分辨率的生成任务。此外，VideoTuna还提供了丰富的后处理功能，如视频到视频的后处理和增强模块，并计划推出3D视频VAE和可控面部视频生成模型，进一步扩展应用场景。

Anote平台通过人性化的AI技术，积极从人类反馈中学习，不断优化GPT-4、Bard、Claude等AI算法及RLHF、Fine-Tuning和RAG等技术，使其在特定用例中随着时间的推移表现得更好。

一个用于促进和支持链式思考的工具库，旨在提高模型推理能力和理解力。

XGrammar是一个开源的结构化生成库，支持通用的上下文无关文法进行广泛的结构化生成，提供经过系统优化的快速执行能力。

Motion 是一个用于构建机器学习(ML)应用的轻量级框架，旨在减少确保模型、提示和其他有状态对象与数据保持最新的 MLOps 负担。它提供了一系列工具和功能，帮助开发者简化机器学习的部署与管理。

modelkit是一个极简但功能强大的Python MLOps库，方便将机器学习模型快速部署到产品中，兼容多种框架，提供模型版本控制和多种数据源支持。

Surge AI 是一个全球数据标注平台和劳动力，用户可以利用它构建强大的数据集以训练 AI 模型。

HoneyHive提供评估和观察工具，帮助团队构建生成式AI应用。它可以自动评估大型语言模型应用，监控和调试生产中的故障，并在一个协作工作空间中测试提示。

Qwak是一个综合性的AI平台，旨在简化机器学习模型的开发、部署和管理。该平台支持各种规模的AI项目，从通用AI和大型语言模型到经典机器学习，提供统一的环境，使用户能够高效地将想法转化为可扩展的AI应用。无论是初创企业还是大型企业，Qwak都提供必要的工具和基础设施，帮助推动AI项目的进展，避免复杂的集成和基础设施管理带来的麻烦。

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。

这一系列 Jupyter Notebooks 是对数据科学和机器学习的非常好的分步介绍，适合初学者，通过实践和示例帮助读者掌握相关知识。

交互式教程，专注于提升提示工程技能，教授如何构建有效的提示来引导人工智能的响应，包含多个Jupyter Notebook文件，涵盖从基础结构到复杂提示构建的各个方面