llama2

Tutorial LangChain & Prompt Engineering pada Large Language Model (LLM) seperti ChatGPT dengan data kustom. Jupyter notebook untuk memuat dan mengindeks data, membuat template prompt, agen CSV, dan menggunakan rantai QA pengambilan untuk kueri data kustom. Proyek untuk menggunakan LLM privat (Llama 2) untuk obrolan dengan file PDF, analisis sentimen tweet.

Mengobrol dengan dokumen Anda menggunakan AI lokal

Layanan FastAPI untuk pencarian teks semantik menggunakan embedding yang telah dihitung sebelumnya dan ukuran kemiripan tingkat lanjut, dengan dukungan bawaan untuk berbagai jenis file melalui textract.

Kerangka kerja penayangan berkinerja tinggi yang berorientasi pada throughput untuk LLM

Memberdayakan Large Language Models (LLM) menggunakan Retrieval-Augmented Generation (KG-RAG) berbasis Knowledge Graph untuk tugas-tugas yang memerlukan banyak pengetahuan

[ICLR 2025] Sintesis Data Penyelarasan dari Awal dengan Meminta LLM yang Terlaras tanpa Input. Pipeline pembuatan data sintetis Anda yang efisien dan berkualitas tinggi!

Toolkit untuk fine-tuning, ablasinya, dan pengujian unit pada LLM open-source.

Sampel untuk membayangkan aplikasi cerdas dengan tumpukan Copilot Microsoft untuk pengalaman produk yang disempurnakan AI.

AI wearable pribadi yang berjalan secara lokal

[ICLR 2024] Sheared LLaMA: Mempercepat pra-pelatihan model bahasa melalui pemangkasan terstruktur (structured pruning).

Menggunakan ChatGPT API, Bard API, dan Llama2, modul Python-Nmap, DNS Recon, PCAP, serta JWT recon, dan memanfaatkan model GPT3 untuk membuat laporan kerentanan berdasarkan data pemindaian Nmap dan informasi pemindaian DNS. Alat ini juga dapat melakukan enumerasi subdomain secara ekstensif.

[ECCV2024] Grounded Multimodal Large Language Model dengan Tokenisasi Visual Terlokalisasi

FineTuning LLM (Large Language Model)

Latih dan inferensi Sentence Embeddings yang kuat dengan AnglE | 🔥 SOTA di papan peringkat STS dan MTEB

Proyek bagus untuk rekrutmen kampus, rekrutmen musim gugur, musim semi, dan magang, membimbing Anda membangun kerangka kerja inferensi model besar dari awal yang mendukung LLama2/3 dan Qwen2.5.

Gunakan Code Llama dengan Visual Studio Code dan ekstensi Continue. Alternatif LLM lokal untuk GitHub Copilot.

Membangun MiniLLM dari 0 hingga 1 (praktik pretrain+sft+dpo)

[ACL 2024] Progressive LLaMA dengan Perluasan Blok.

Membuat grafik pengetahuan dengan LLM