transformers

Tutorial de introdução rápida à biblioteca Transformers

Bindings em Python para modelos Transformer implementados em C/C++ usando a biblioteca GGML.

Curso prático sobre grandes modelos de linguagem (LLMs).

Síntese de programas gráficos para figuras científicas e esboços com TikZ.

Pesquisa e aplicação de tecnologias como processamento de linguagem natural, grafos de conhecimento, sistemas de diálogo e grandes modelos de linguagem.

Parametrização de atualização maximal (µP)

Implementação do Alphafold 3 do Google Deepmind em PyTorch.

Uma compilação dos melhores artigos sobre multi-agentes.

Safe RLHF: Alinhamento de valor restrito via Aprendizado por Reforço Seguro a partir de Feedback Humano

Lag-Llama: Rumo a modelos de fundação para previsão probabilística de séries temporais

Um algoritmo de quantização SOTA para inferência de LLM de baixo bit e alta precisão, otimizado para CPU/XPU/CUDA, com suporte a múltiplos tipos de dados e compatibilidade total com vLLM, SGLang e Transformers.

[PAMI'23] TransFuser: Imitação com Fusão de Sensores baseada em Transformer para Direção Autônoma; [CVPR'21] Multi-Modal Fusion Transformer para Direção Autônoma de Ponta a Ponta

[CVPR 2025 Oral] Infinity ∞: Escalando modelagem autorregressiva bitwise para síntese de imagens de alta resolução.

Treinamento unificado de Transformers para previsão de séries temporais universais.

Implementação do SoundStorm, geração de áudio paralela eficiente do Google Deepmind, em Pytorch

MLeap: Implante pipelines de ML em produção

A escolha de código aberto para cientistas de dados escalarem, avaliarem e manterem dados de linguagem natural. Trate dados de treinamento como um artefato de software.

Um currículo para aprender sobre modelos de fundação, do zero à fronteira tecnológica.

Interface para modelos OuteTTS.

KoBERT (Korean BERT pre-trained cased).

Implementação do framework de treinamento proposto em Self-Rewarding Language Model, da MetaAI

Implementação em Pytorch de Transfusion, "Predict the Next Token and Diffuse Images with One Multi-Modal Model", da MetaAI

Faça o fine-tuning de LLMs no seu Mac com Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding e fine-tuning de OCR — nativamente no MLX. API compatível com Unsloth.

Treinamento escalável e otimizado em memória de modelos de difusão.

Uma implementação elegante de transformers em PyTorch

Catálogo visual com curadoria de mais de 155 arquiteturas de modelos de linguagem visual (VLM/MLLM): artigos, diagramas, receitas de treinamento, conjuntos de dados e uma linha do tempo de lançamentos para agentes de IA multimodal.

Jlama é um motor de inferência LLM moderno para Java.

Uma coleção de recursos sobre aplicações de Transformers em Imagem Médica.

Pruna é um framework de otimização de modelos criado para desenvolvedores, permitindo entregar modelos mais rápidos e eficientes com o mínimo de sobrecarga.

Kit de ferramentas de quantização (compressão) de modelos LLM com suporte a aceleração de hardware para GPUs Nvidia, AMD, Intel e CPUs Intel/AMD/Apple via HF, vLLM e SGLang.