LoRA（低秩适应）及其家族变体是一系列用于高效微调大型语言模型的技术。通过在预训练权重矩阵旁边添加两个较小的可训练矩阵，LoRA 显著减少了需要训练的参数数量，同时保持了模型性能。LoRA 家族包括多个变体，如 VeRA、LoRA-FA、AdaLoRA、DoRA 和 Delta-LoRA，这些变体进一步优化了内存使用、参数分配和学习能力，广泛应用于自然语言处理和视觉语言任务。
LCM-LoRA 是由清华大学和 Hugging Face 研究人员开发的加速模块，基于潜在一致性模型（LCM）。它通过对稳定扩散模型（Stable Diffusion）进行知识蒸馏，将生成图像的步骤从 25-50 步减少到 4-8 步，速度提升 5-10 倍，实现实时生成效果。LCM-LoRA 利用低秩适应（LoRA）技术分解神经网络，降低内存消耗，支持多种模型如 SD-V1.5、SSD-1B 和 SDXL，无需重新训练即可嵌入。
该项目是一个基于电影《哪吒之魔童闹海》的AI模型，专注于生成与角色敖丙和敖闰相关的图像，特别强调美妆和仙气主题。模型可能基于LoRA技术，支持生成带人物的图片，调整人物和场景的权重，并生成开门走秀视频的首帧。
GrokTune是一个专为模型微调设计的开源框架，旨在为开发者提供高效优化AI模型的工具。它支持快速调整预训练模型以适配特定任务，从而显著降低开发成本与时间。框架内置了多种功能，包括参数微调、数据处理、训练加速和模型评估等，确保用户能够高效地进行模型优化。
DINOv2编码器微调助手利用低秩适应（LoRA）技术对视觉任务进行编码器权重微调，简化新任务适配过程，显著提高模型在图像分割等视觉任务上的表现。该项目支持DINOv2编码器的微调，优化视觉任务的性能，适用于计算机视觉领域的各种任务。
ImageBind-LoRA是一个非官方的ImageBind微调工具，利用LoRA技术实现高效的多模态嵌入学习。该项目旨在简化模型训练流程，并提供强大的可扩展性，适用于不同的数据集。
DrawingPics是一款基于设备的AI艺术生成器，可以将您的粗略草图转化为精美的图像，节省细节处理时间。它支持灵活的稳定扩散模型和Lora技术，帮助用户更高效地创作艺术作品。
一个用于中文信息抽取的项目，基于LLaMA和Alpaca模型，结合LoRA技术进行微调。该项目旨在提供高效、准确的中文文本处理能力，特别是在命名实体识别（NER）方面，支持多种训练和评估配置，方便用户根据需求进行模型微调与集成。
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。
PrimeQA是一个先进的多语言问答研究与开发的主要资源库，支持最新的深度学习模型，易于扩展和定制，并提供多种数据集与基准测试，适用于实时问答和批量处理场景。
ChatLLM 是一个基础知识库，旨在帮助用户轻松使用大型语言模型（LLM）。它提供生产级的API，支持前后端分离，并兼容多种LLM模型，如文心一言和讯飞星火。该项目易于集成和扩展，具有友好的用户界面，方便开发者和用户使用。
pyllms是一个用于与大型语言模型交互的Python库，提供了对多种模型的统一接口，简化了模型的调用和管理过程，同时支持模型的性能评估和比较。
用Rust语言开发的语言模型管控框架，其设计目标是提供一个简单易用且易扩展的管控框架，帮助开发者创建语言模型管控应用。
vLLM Endpoint | Serverless Worker是一个用于提供大型语言模型端点的RunPod工作模板，基于VLLM技术，支持高效的模型加载与推理，具有极强的扩展性，适合在云环境下快速部署。
Keywords AI是一个提供高质量、低成本替代方案的LLM API，用户可以通过注册免费试用API密钥，体验其测试平台和聊天机器人功能。
getTxt.AI是一个强大的文本提取API，用户可以从多种文件类型中提取文本和Markdown，包括文档、音频、图像和视频。它简化了将这些文件转换为可用文本格式的过程，使开发人员能够将文本处理能力集成到他们的应用程序中，并自动化工作流程。支持超过50种语言，并具有文本摘要和翻译等功能，是任何需要高质量文本提取的AI应用的必备工具。
该项目允许用户在CPU上运行MPT-30B模型的推理，具有低训练和运行成本的特点。用户只需32G内存即可进行模型推理，适合各种文本生成和评估任务。
