llama2

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.

Discutez avec vos documents en utilisant une IA locale

Un service FastAPI pour la recherche textuelle sémantique utilisant des embeddings précalculés et des mesures de similarité avancées, avec une prise en charge native de divers types de fichiers via textract.

Un framework de service haute performance orienté débit pour les LLM

Renforcez les grands modèles de langage (LLM) grâce à la génération augmentée par récupération basée sur des graphes de connaissances (KG-RAG) pour les tâches nécessitant des connaissances approfondies.

[ICLR 2025] Synthèse de données d'alignement à partir de zéro en sollicitant des LLM alignés sans données préalables. Votre pipeline efficace de génération de données synthétiques de haute qualité.

Boîte à outils pour le réglage fin, l'ablation et les tests unitaires de LLM open source.

Exemple pour concevoir des applications intelligentes avec la stack Copilot de Microsoft pour des expériences produit enrichies par l'IA.

Une IA portable personnelle qui s'exécute localement

[ICLR 2024] Sheared LLaMA : accélération du pré-entraînement des modèles de langage par élagage structuré

Utilise l'API ChatGPT, l'API Bard et Llama2, ainsi que des modules Python-Nmap, DNS Recon, PCAP et JWT recon. Il emploie le modèle GPT3 pour créer des rapports de vulnérabilité basés sur les données de scan Nmap et d'informations DNS. Il peut également effectuer une énumération approfondie de sous-domaines.

[ECCV2024] Grand modèle de langage multimodal ancré avec tokenisation visuelle localisée

Fine-tuning de LLM (Large Language Model)

Entraînez et inférez des embeddings de phrases puissants avec AnglE | 🔥 SOTA sur STS et le classement MTEB

Un excellent projet pour le recrutement universitaire, d'automne, de printemps et les stages, vous guidant pour implémenter à partir de zéro un framework d'inférence de grands modèles prenant en charge LLama2/3 et Qwen2.5.

Utilisez Code Llama avec Visual Studio Code et l'extension Continue. Une alternative locale aux LLM à GitHub Copilot.

Construction d'un MiniLLM de 0 à 1 (pratique du pretrain, sft et dpo).

[ACL 2024] LLaMA progressif avec extension de bloc.

Créer des graphes de connaissances avec des LLM.