transformers

Hướng dẫn nhập môn nhanh cho thư viện Transformers

Python bindings cho các mô hình Transformer được triển khai bằng C/C++ sử dụng thư viện GGML.

Khóa học thực tế về Các Mô hình Ngôn ngữ Lớn.

Tổng hợp các chương trình đồ họa cho số liệu khoa học và bản phác thảo bằng TikZ.

Nghiên cứu và ứng dụng các công nghệ như Xử lý ngôn ngữ tự nhiên, Tri thức đồ thị, Hệ thống hội thoại, và các mô hình ngôn ngữ lớn.

Tham số hóa cập nhật tối đa (µP)

Triển khai Alphafold 3 từ Google Deepmind trong Pytorch.

Tổng hợp các bài báo nghiên cứu hay nhất về multi-agent

Safe RLHF: Căn chỉnh giá trị có ràng buộc thông qua Học tăng cường an toàn từ phản hồi của con người

Lag-Llama: Hướng tới các mô hình nền tảng cho dự báo chuỗi thời gian xác suất

Thuật toán lượng tử hóa SOTA cho suy luận LLM low-bit độ chính xác cao, được tối ưu hóa liền mạch cho CPU/XPU/CUDA, hỗ trợ đa kiểu dữ liệu và tương thích hoàn toàn với vLLM, SGLang và Transformers.

[PAMI'23] TransFuser: Học bắt chước với sự kết hợp cảm biến dựa trên Transformer cho lái xe tự động; [CVPR'21] Transformer kết hợp đa phương thức cho lái xe tự động đầu cuối

[CVPR 2025 Oral] Infinity ∞: Mở rộng mô hình tự hồi quy theo bit cho tổng hợp ảnh độ phân giải cao

Đào tạo thống nhất các Transformer dự đoán chuỗi thời gian toàn cầu

Bản cài đặt SoundStorm, Tạo âm thanh song song hiệu quả từ Google Deepmind, bằng PyTorch

MLeap: Triển khai ML Pipeline lên môi trường Production

Lựa chọn mã nguồn mở của nhà khoa học dữ liệu để mở rộng, đánh giá và duy trì dữ liệu ngôn ngữ tự nhiên. Coi dữ liệu huấn luyện như một thành phần phần mềm.

Chương trình giảng dạy về mô hình nền tảng, từ số không đến biên giới

Giao diện cho các mô hình OuteTTS.

Mô hình Korean BERT đã huấn luyện trước có phân biệt hoa thường (KoBERT)

Triển khai framework huấn luyện được đề xuất trong Self-Rewarding Language Model, từ MetaAI

Tinh chỉnh LLM trên máy Mac của bạn với Apple Silicon. SFT, DPO, GRPO, Vision, TTS, STT, Embedding và tinh chỉnh OCR — chạy gốc trên MLX. API tương thích với Unsloth.

Phiên bản triển khai PyTorch của Transfusion, "Predict the Next Token and Diffuse Images with One Multi-Modal Model", từ MetaAI.

Huấn luyện mô hình khuếch tán có khả năng mở rộng và tối ưu hóa bộ nhớ

Một bản cài đặt pytorch thanh lịch của transformers

Danh mục trực quan được tuyển chọn của hơn 155 kiến trúc mô hình ngôn ngữ thị giác (VLM/MLLM): tài liệu nghiên cứu, sơ đồ, công thức huấn luyện, tập dữ liệu và mốc thời gian phát hành cho các tác nhân AI đa phương thức.

Jlama là một công cụ suy luận LLM hiện đại dành cho Java

Bộ sưu tập tài nguyên về các ứng dụng của Transformers trong Chẩn đoán hình ảnh y khoa.

Pruna là một framework tối ưu hóa mô hình được xây dựng cho các nhà phát triển, giúp bạn cung cấp các mô hình nhanh hơn, hiệu quả hơn với chi phí tối thiểu.

Bộ công cụ lượng tử hóa (nén) mô hình LLM hỗ trợ tăng tốc phần cứng cho GPU Nvidia, AMD, Intel và CPU Intel/AMD/Apple thông qua HF, vLLM và SGLang.