in-context-learning

:sparkles::sparkles: Últimos avances en modelos de lenguaje multimodal grandes

La página oficial de GitHub para el artículo de revisión "A Survey of Large Language Models".

22 técnicas de ingeniería de prompts con tutoriales prácticos en Jupyter Notebook, desde conceptos fundamentales hasta estrategias avanzadas para aprovechar los LLMs.

Un framework de código abierto para el entrenamiento de modelos multimodales de gran escala.

Desde el prompting de Cadena de Pensamiento (Chain-of-Thought) hasta OpenAI o1 y DeepSeek-R1 🍓

Resumen de artículos sobre Prompt y LLM, datos y modelos de código abierto, y aplicaciones de AIGC.

Artículos de lectura obligatoria sobre agentes LLM.

Series Painter y SegGPT: Modelos de base visual de BAAI

Recursos increíbles para aprendizaje en contexto e ingeniería de prompts: dominio de LLMs como ChatGPT, GPT-3 y FlanT5, con actualizaciones recientes y de vanguardia.

Implementación en PyTorch de VALL-E (Texto a voz de disparo cero), Demo reproducida https://lifeiteng.github.io/valle/index.html

Serie Emu: Modelos multimodales generativos de BAAI.

[ICCV 2025] 🔥🔥 UNO: Un método de personalización universal para condicionamiento de sujeto único y múltiple

Recopilación de artículos destacados sobre extracción de información (IE) generativa mediante modelos de lenguaje extensos (LLMs).

Awesome-LLM-Robustness: una lista curada sobre incertidumbre, fiabilidad y robustez en modelos de lenguaje de gran tamaño (LLM).

Artículos y conjuntos de datos sobre ajuste y seguimiento de instrucciones. ✨✨✨