large-language-models

Jelajahi kumpulan sumber daya, tutorial, makalah, alat, dan praktik terbaik secara komprehensif untuk penyetelan halus Large Language Models (LLMs). Sempurna untuk praktisi dan peneliti ML!

PromptInject adalah kerangka kerja yang merakit prompt secara modular untuk memberikan analisis kuantitatif tentang ketahanan LLM terhadap serangan prompt adversarial. 🏆 Penghargaan Makalah Terbaik @ NeurIPS ML Safety Workshop 2022

[ICLR 2026] Kode resmi untuk TraceRL: Revolusi pasca-pelatihan untuk Diffusion LLMs, yang mendukung seri SOTA TraDo.

Visualisator Aktivitas Model

Model bahasa besar Pengobatan Tradisional Tiongkok pertama - "CMLM-ZhongJing". Terinspirasi oleh kebijaksanaan mendalam dari master medis Tiongkok kuno Zhang Zhongjing, ini adalah model bahasa besar pra-latih yang dirancang khusus untuk bidang Pengobatan Tradisional Tiongkok.

Krasis adalah runtime Hybrid LLM yang berfokus pada efisiensi menjalankan model yang lebih besar pada perangkat keras tingkat konsumen dengan VRAM terbatas

Pustaka untuk menggabungkan beberapa ahli LLM dengan mudah, dan melatih LLM yang digabungkan secara efisien.

🔥 A Survey on AI Auto-Research

A highly efficient, secure, and stable application development platform with excellent performance, easy scalability, and deep integration of AI capabilities such as LLM, AI Chat, RAG, and Agents.高效、安全、稳定的服务研发平台，具备良好性能，同时易扩展，深度集成LLM、AIChat、RAG、Agent等AI能力

Makalah dan Dataset tentang Instruction Tuning dan Following. ✨✨✨

🔥🔥🔥[AAAI 2026 Oral] Implementasi Resmi dari Robust-R1: Penalaran Sadar Degradasi untuk Pemahaman Visual yang Robust

A MicroKernel Multi-Agents System Framework for Adaptive Social Simulation Powered by LLMs

Pustaka Java sederhana untuk berinteraksi dengan server Ollama.

Knowledge Graphs Meet Multi-Modal Learning: A Comprehensive Survey

A systematic AI Agent development tutorial covering LLM agents, RAG, tool use, memory systems, multi-agent systems, LangChain, LangGraph, MCP, and agentic RL.｜从零开始学 AI Agent 开发 | 系统、全面、实战导向的 Agent 开发教程 | 每日自动追踪 arXiv 最新论文 | Learn AI Agent Development from Scratch