zero_nlp 是一个专注于中文自然语言处理的项目，提供全面的NLP数据处理流程，支持多种预训练模型，具备便捷的模型训练接口以及高效的推理与评估工具，适合研究与应用开发。
Algomax是一个平台，旨在简化您的LLM和RAG模型评估，提升提示开发效率，并通过独特的定性指标洞察加速开发过程。该平台提供直观的仪表盘，便于您轻松集成到工作流程中，评估模型性能，评估引擎设计精准，能够深入洞察模型行为。
Yachay AI是一个基于Byt5的地理标记模型，能够仅通过文本预测坐标。它为开发者提供了支持，以便构建和训练自己的模型，并在Github上提供相关资源和问答支持。
funNLP是一个几乎包含所有中文NLP资源的综合性平台，旨在为NLP初学者和爱好者提供丰富的学习和实验工具，同时满足用户的收集需求。
Jlama是一个纯Java实现的大规模语言模型推理引擎，支持多种模型格式，能够提供高性能和低内存占用，易于集成到各种应用中。
基于GPT-2模型的中文文本生成项目，旨在为中文自然语言处理提供强大的文本生成能力，支持预训练和fine-tuning，适用于多种场景，如创作、对话等。
开源中英双语对话模型 ChatGLM-6B 的第二代版本，拥有更强大的性能、更长的上下文、更高效的推理和更开放的协议。
EnergeticAI是为无服务器功能优化的TensorFlow.js，提供快速冷启动、小模块大小和预训练模型，非常适合在Node.js应用中集成开源AI。
一个Python框架，用于构建基于LLM的应用，提供多智能体编程范式，智能体通过交换消息协同解决问题。
InstructScore (SEScore3) 是用于文本生成评估的首个解释性指标，提供全面的评估和诊断报告，帮助识别模型的优缺点，支持多种文本生成任务，并能比较不同模型的输出。
DeepCausality是一个高效的因果推理库，支持在复杂的多阶段因果模型上进行快速和确定性的上下文感知因果推理。
mlx-benchmark是一个基准测试项目，旨在评估苹果的MLX操作在不同硬件平台上的性能，包括mlx GPU、CPU、torch MPS和CUDA。它提供了详细的性能评估，并且是一个易于使用的基准测试工具，支持用户自定义测试场景，帮助开发者更好地理解和优化他们的MLX操作。
这个项目汇集了深度符号逻辑领域的研究论文，主要关注自然语言处理应用，适合研究人员和开发者参考，提供最新的研究动态和趋势。
