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。
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。
Amazon Foundation Model Evaluations Library，用于评估大型语言模型（LLMs），帮助选择最适合您用例的LLM。该库提供多种评估功能，覆盖开放式生成、文本摘要、问答和分类任务，旨在帮助用户全面了解不同模型在特定任务上的表现。
Awesome_Multimodal是一个精心策划的GitHub项目，提供关于多模态大语言模型（MLLM）的全面资源集合。
LLM Twin Course 是一门全面的大型语言模型（LLM）免费学习课程，教授如何构建生产级别的 LLM 和基于 LLM 的检索增强生成（RAG）系统。课程包含11节动手课程，涵盖从数据收集到部署的全过程，并提供了所有实践涉及的源码。课程内容涵盖了系统设计、数据工程、特征管道、训练管道和推理管道等方面，适合中级的机器学习工程师、数据工程师和软件工程师，需具备Python、ML和云计算的基础知识。
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。
检索增强生成 (RAG) 及其他：关于如何让你的 LLM 更明智地使用外部数据的全面调查
文章提出了一个七阶段的LLM微调流程，涵盖了从数据准备到模型部署的完整生命周期，提供了实用的技术和方法，以提升大规模语言模型的性能和应用效果。
LLM应用实例教程，涵盖langchain、openai、llamaindex、gpt、chromadb和pinecone等多个工具和技术，提供详细的使用指南和示例，帮助开发者快速上手并实现AI应用。
这是一个包含各种优秀LLM代理的综合列表，旨在提供详细的描述和用例，定期更新新的代理和工具，并根据功能和应用对代理进行分类。
这是一个精心整理的关于自主驾驶领域大语言模型(LLM)的资源列表，持续更新中。
Exifa是一个工具，旨在帮助用户了解嵌入在数字图像中的EXIF（可交换图像文件格式）数据的隐藏层次。它是首个将Snowflake Arctic LLM整合到其操作中的开源应用。
一个用于文档级翻译的项目，基于大型语言模型（LLMs）进行实现，并进行了一系列实验以评估其性能。
