language-models
Dépôts open source suivis étiquetés language-models, triés par étoiles.
Sujets associés
Sujets qui apparaissent souvent aux côtés de language-models sur un même dépôt.
Ascensions récentes
Dépôts créés au cours des 90 derniers jours et étiquetés language-models.
Aucun nouveau dépôt étiqueté avec ce sujet au cours des 90 derniers jours.
- #1
Exécutez des LLM chez vous, façon BitTorrent. Fine-tuning et inférence jusqu'à 10 fois plus rapides qu'avec le déchargement classique.
★ 10 533+12Évolution des étoiles sur les 7 derniers jours - #2
Bibliothèque de traduction hors ligne open source écrite en Python
★ 6 425+22Évolution des étoiles sur les 7 derniers jours - #3
Du Chain-of-Thought prompting à OpenAI o1 et DeepSeek-R1 🍓
★ 3 681+6Évolution des étoiles sur les 7 derniers jours - #4
Exemples, tutoriels de bout en bout et applications basés sur les modèles fondamentaux (LFM) de Liquid AI et le SDK LEAP
★ 2 426+7Évolution des étoiles sur les 7 derniers jours - #5
Large Concept Models : modélisation du langage dans un espace de représentation de phrases.
★ 2 377+2Évolution des étoiles sur les 7 derniers jours - #6
[Liste d'articles] Articles intégrant des graphes de connaissances (KG) et des grands modèles de langage (LLM)
★ 2 228+1Évolution des étoiles sur les 7 derniers jours - #7
Expliquer, analyser et visualiser les modèles de langage NLP. Ecco crée des visualisations interactives directement dans les notebooks Jupyter pour expliquer le comportement des modèles de langage basés sur Transformer (tels que GPT2, BERT, RoBERTA, T5 et T0).
★ 2 103+1Évolution des étoiles sur les 7 derniers jours - #8
Wrapper API non officiel pour Perplexity.ai et générateur de comptes avec interface web
★ 1 867+9Évolution des étoiles sur les 7 derniers jours - #9
Vue d'ensemble des LLM japonais.
★ 1 428+1Évolution des étoiles sur les 7 derniers jours - #10
Tutoriels LangChain et Prompt Engineering sur les grands modèles de langage (LLM) comme ChatGPT avec des données personnalisées. Notebooks Jupyter sur le chargement et l'indexation de données, la création de modèles de prompt, les agents CSV et l'utilisation de chaînes de récupération QA pour interroger des données privées. Projets utilisant un LLM privé (Llama 2) pour discuter avec des fichiers PDF et analyser les sentiments des tweets.
★ 1 251+1Évolution des étoiles sur les 7 derniers jours - #11★ 1 238-1Évolution des étoiles sur les 7 derniers jours
- #12
💁 Une collection impressionnante de modèles Transformers pour le traitement du langage naturel, incluant des articles, vidéos, blogs, dépôts officiels et notebooks Colab. 🛫☑️
★ 1 179+0Évolution des étoiles sur les 7 derniers jours - #13
[ACL 2023] Raisonnement par prompting de modèles de langage : une étude
★ 1 007+1Évolution des étoiles sur les 7 derniers jours - #14★ 999+9Évolution des étoiles sur les 7 derniers jours
- #15
PhoBERT : modèles de langage pré-entraînés pour le vietnamien (EMNLP-2020 Findings)
★ 806+2Évolution des étoiles sur les 7 derniers jours - #16
Implémentation officielle de HyenaDNA, un modèle de fondation génomique longue portée basé sur Hyena.
★ 806+0Évolution des étoiles sur les 7 derniers jours - #17
Apprentissage actif pour la classification de texte en Python
★ 646+0Évolution des étoiles sur les 7 derniers jours - #18
Happy Transformer facilite le réglage fin (fine-tuning) et l'inférence avec les modèles NLP Transformer.
★ 546-1Évolution des étoiles sur les 7 derniers jours - #19★ 534+0Évolution des étoiles sur les 7 derniers jours
- #20
PromptInject est un framework modulaire d'assemblage de prompts permettant une analyse quantitative de la robustesse des LLM face aux attaques par injection. 🏆 Prix du meilleur article au NeurIPS ML Safety Workshop 2022.
★ 522+1Évolution des étoiles sur les 7 derniers jours - #21
Bibliothèque conçue pour les développeurs souhaitant explorer le potentiel des grands modèles de langage (LLM) et de l'IA générative via une approche Go propre et idiomatique.
★ 514+0Évolution des étoiles sur les 7 derniers jours