该项目研究大型语言模型（LLMs）在推理过程中如何可能侵犯用户隐私，分析潜在的隐私泄露风险，并提供对隐私保护的讨论和建议。
一套评估大语言模型AI研发能力的任务集合，包含7个具有挑战性的任务，涵盖Rust代码编程、GPT-2微调、嵌入修复、LLM训练优化、GPU内核优化等领域，每个任务都有明确的评分标准和基准分数，用于测试AI代理与人类专家的能力对比
openlogprobs是一个Python API，旨在通过语言模型API提取完整的下一token概率。它通过使用logit偏置来逆向工程标记的对数概率，支持topk搜索和精确解算法，从而有效提取语言模型API的完整概率向量。
多模态大语言模型(MLLM)安全性相关论文资源列表，旨在阻止模型遵循恶意指令和生成有毒内容。该项目聚合了多种安全性相关的研究成果，帮助研究人员和开发者深入了解MLLM的潜在风险，并促进对安全性的讨论和研究。
这个研究项目致力于复现并理解 OpenAI 的 O1 模型，重点是开发新的训练方法，并深入探究大型语言模型 (LLMs) 中复杂推理的底层原理。目前已经发布了三篇研究论文。
