large-language-models

[KDD'2026] "VideoRAG : Discutez avec vos vidéos"

Dépôt officiel pour "Mini-Gemini : Exploiter le potentiel des modèles de langage de vision multimodaux"

MiniMax-M1, le premier modèle de raisonnement à attention hybride et à poids ouverts à grande échelle au monde.

LLaMA-Omni est un modèle d'interaction vocale de bout en bout à faible latence et haute qualité, basé sur Llama-3.1-8B-Instruct, visant des capacités vocales au niveau de GPT-4o.

[EMNLP 2023 Demo] Video-LLaMA : Un modèle de langage audio-visuel ajusté par instructions pour la compréhension vidéo.

Articles incontournables sur les agents LLM.

Outils open source pour le test et l'expérimentation de prompts, avec prise en charge des LLM (ex: OpenAI, LLaMA) et des bases de données vectorielles (ex: Chroma, Weaviate, LanceDB).

Recherche IA et RAG sans déplacer vos données. Obtenez des réponses instantanées à partir des connaissances de votre entreprise sur plus de 100 applications tout en sécurisant vos données. Déploiement en quelques minutes, pas en quelques mois.

Un environnement de programmation visuelle open source pour tester les prompts destinés aux LLM.

Implémentation en C++ de ChatGLM-6B, ChatGLM2-6B, ChatGLM3 et GLM4(V).

[ACL 2024] Un framework d'édition de connaissances facile à utiliser pour les LLM.

Données (et modèles) de chat multi-tours à grande échelle, informatives et diversifiées.

Le framework DSPy quasi "officiel" pour TypeScript

Dépôt officiel de QuantHarness

Implémentation officielle de "Graph of Thoughts: Solving Elaborate Problems with Large Language Models"

Quantification LLM faible bit SOTA (INT8/FP8/MXFP8/INT4/MXFP4/NVFP4) et sparsité ; techniques de compression de modèles de pointe pour PyTorch, TensorFlow et ONNX Runtime.

Code et documents de LongLoRA et LongAlpaca (ICLR 2024 Oral)

[ICLR 2024] Implémentation officielle de "Time-LLM : prévision de séries temporelles par reprogrammation de grands modèles de langage".

[EMNLP-2024] Création d'agents linguistiques multimodaux pour le prototypage rapide et la production

Awesome-GraphRAG : une liste organisée de ressources (études, articles, benchmarks et projets open source) sur la génération augmentée par récupération basée sur les graphes.

MiniMax-M2, un modèle conçu pour le codage avancé et les flux de travail agentiques.

Le framework Cradle est une première tentative de contrôle informatique général (GCC). Il permet aux agents de réussir n'importe quelle tâche informatique grâce à un raisonnement robuste, une auto-amélioration et une curation de compétences, dans un environnement standardisé aux exigences minimales.

mPLUG-Owl : La puissante famille de modèles de langage multimodaux.

Tutoriel, enquête et guide sur les LLM de raisonnement.

Implémentation officielle d'EAGLE-1 (ICML'24), EAGLE-2 (EMNLP'24) et EAGLE-3 (NeurIPS'25).

Simplification des grands modèles de langage (LLM) ; EasyLM est une solution complète pour le pré-entraînement, le réglage fin, l'évaluation et le service de LLM sous JAX/Flax.

Apprendre à utiliser Ollama, déployer des grands modèles sur CPU, lecture en ligne : https://datawhalechina.github.io/handy-ollama/

Une interface utilisateur de terminal rapide et centrée sur le clavier pour interagir avec des modèles de langage étendus. Discutez avec ChatGPT, Claude, Llama 3, Phi 3, Mistral, Gemma et plus encore.

Un outil rapide basé sur Rust pour sérialiser des fichiers texte dans un dépôt ou un répertoire afin de les rendre exploitables par des LLM

Le système d'auto-codage pour votre application — SDK Alan AI pour le Web