transformers

Tutorial pengenalan cepat untuk pustaka Transformers

Binding Python untuk model Transformer yang diimplementasikan dalam C/C++ menggunakan pustaka GGML.

Kursus praktis mengenai Large Language Models.

Mensintesis Program Grafis untuk Angka Ilmiah dan Sketsa dengan TikZ.

Penelitian dan penerapan teknologi seperti pemrosesan bahasa alami, grafik pengetahuan, sistem dialog, dan model besar.

Parameterisasi pembaruan maksimal (µP)

Implementasi Alphafold 3 dari Google Deepmind di Pytorch

Kumpulan makalah multi-agen terbaik

Safe RLHF: Penyelarasan Nilai Terbatas melalui Safe Reinforcement Learning from Human Feedback

Lag-Llama: Menuju Model Fundamental untuk Peramalan Deret Waktu Probabilistik

[PAMI'23] TransFuser: Imitasi dengan Fusi Sensor Berbasis Transformer untuk Mengemudi Otonom; [CVPR'21] Multi-Modal Fusion Transformer untuk Mengemudi Otonom End-to-End

Algoritma kuantisasi SOTA untuk inferensi LLM bit-rendah dengan akurasi tinggi, dioptimalkan secara mulus untuk CPU/XPU/CUDA, dengan dukungan berbagai tipe data dan kompatibilitas penuh dengan vLLM, SGLang, dan Transformers.

[CVPR 2025 Oral]Infinity ∞ : Penskalaan Pemodelan AutoRegressive Berbasis Bit untuk Sintesis Gambar Resolusi Tinggi

Pelatihan Terpadu untuk Universal Time Series Forecasting Transformers

Implementasi SoundStorm, Efficient Parallel Audio Generation dari Google Deepmind, menggunakan PyTorch

MLeap: Terapkan Pipeline ML ke Produksi

Pilihan open-source bagi data scientist untuk menskalakan, menilai, dan memelihara data natural language. Perlakukan data pelatihan seperti artefak perangkat lunak.

Kurikulum untuk mempelajari model fondasi, dari awal hingga batas terdepan

Antarmuka untuk model OuteTTS.

Korean BERT pre-trained cased (KoBERT)

Implementasi kerangka kerja pelatihan yang diusulkan dalam Self-Rewarding Language Model dari MetaAI

Fine-tune LLM di Mac Anda dengan Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding, dan fine-tuning OCR — secara native di MLX. API yang kompatibel dengan Unsloth.

Implementasi PyTorch dari Transfusion, "Predict the Next Token and Diffuse Images with One Multi-Modal Model", dari MetaAI

Pelatihan diffusion models yang berskala dan teroptimasi memorinya

Implementasi PyTorch yang elegan untuk transformers

Katalog visual pilihan dari 155+ arsitektur vision-language model (VLM/MLLM): makalah, diagram, resep pelatihan, dataset, dan lini masa rilis untuk agen AI multimodal.

Jlama adalah mesin inferensi LLM modern untuk Java

Kumpulan sumber daya tentang penerapan Transformers dalam Pencitraan Medis.

Pruna adalah kerangka kerja optimasi model yang dibuat untuk pengembang, memungkinkan Anda menghadirkan model yang lebih cepat dan efisien dengan overhead minimal.

Toolkit kuantisasi (kompresi) model LLM dengan dukungan akselerasi HW untuk GPU Nvidia, AMD, Intel, dan CPU Intel/AMD/Apple melalui HF, vLLM, dan SGLang.