標籤: LLM 頁1
LLM相關的文章，目前共收錄 26 篇內容。
網路資源
OpenPlexity Pages：開源 AI 驅動內容創建平台
OpenPlexity Pages 是一個由 AI 支援的內容創建引擎，作為 Perplexity Pages 的開源替代方案，旨在將研究轉化為視覺上吸引且全面的內容。此平台適合各領域創作者，從教育者到研究人員，皆可利用它來分享知識和創作精美文章。
網路資源
Llama Tutor：結合 Llama 3.1 以及 Together AI 的 AI 驅動的互動學習平台
Llama Tutor 是一個利用 AI 技術提供互動學習體驗的平台，該平台結合先進的 AI 技術，透過 Llama 3.1 70B 語言模型，並通過 Together AI 進行 LLM 推理幫助學生提高學習效率。
網路資源
Dify Workflow：AI Workflow 的全方位解決方案
Dify 是一個開源的大型語言模型（LLM）應用開發平台，由 Langgenius 團隊所開發。此平台特別適合於快速從原型轉變到生產階段，其直覺的介面整合了 AI Workflow、RAG pipeline、代理能力、模型管理及可觀察性功能等。Dify 支持豐富的 LLMs，包括 GPT, Mistral, Llama2, 和 OpenAI API兼容模型，提供了一個視覺化的應用和服務編排工具——Prompt IDE，使團隊能更便捷地共享和管理開發進度。
網路資源
LLM101n：從零開始構建 AI 故事講述者
LLM101n 是由 Andrej Karpathy 開發的一門課程，旨在從頭開始構建一個 AI 大型語言模型 (LLM)，專注於故事生成。該課程涵蓋從基本語言模型、機器學習到高階的深度學習技術，並涉及 Python、C 和 CUDA 等多種程式語言。目標是讓學習者最終能夠理解並實現類似 ChatGPT 的 AI 應用。
網路資源
Crawlee-Python：高效的網頁爬取和瀏覽器自動化工具
Crawlee-Python 是一款功能強大的網頁爬取和瀏覽器自動化工具庫，旨在幫助開發者建立可靠的爬蟲。此工具支援從網站中提取數據，用於 AI、大型語言模型、檢索增強生成（RAG）或 GPT 的應用，並能下載 HTML、PDF、JPG、PNG 等各種文件。Crawlee 可以與 BeautifulSoup、Playwright 和原生 HTTP 協作，支援有頭和無頭模式，以及代理輪換。
網路資源
GraphRAG：微軟推出的開源模組化圖形化檢索增強生成系統
GraphRAG 是一個由 Microsoft 開發的模組化系統，旨在使用大型語言模型（LLM）從非結構化文本中提取有意義的結構化數據。它透過圖形化的檢索增強生成（RAG）方法，提升 LLM 處理私人數據的能力。
網路資源
Crawl4AI：簡化網頁爬蟲與數據擷取的最佳工具
Crawl4AI 是一個開源的 Python 函式庫，專為簡化網頁爬蟲和數據擷取設計，特別適用於大型語言模型（LLMs）和 AI 應用。它提供靈活且強大的解決方案，讓用戶能夠高效地從網頁中提取有用的資訊。
網路資源
Unstract：解鎖非結構化資料洞察力的平台
Unstract 是一個開源且無需程式碼的平台，專為自動化非結構化資料處理流程而設計。該平台利用先進的人工智慧技術，超越了傳統的智慧文件處理（IDP）和機器人流程自動化（RPA），旨在提升資料處理效率和準確性。
網路資源
OmniChain：高效的自動化工作流程構建平台
OmniChain 是一個強大的平台，專為構建自動化工作流程、聊天機器人及整合大型語言模型（LLMs）而設計。這個平台允許使用者創建高度自訂的工作流程，並結合人工智慧來提升工作效率。
網路資源
NotebookLM：AI 驅動的筆記和研究助理
NotebookLM 是由 Google 提供的個人化 AI 研究助理，專為提升筆記和研究效率設計。透過整合先進的 AI 技術，NotebookLM 能夠即時分析和整理使用者上傳的資料，並生成個性化的研究指南。
網路資源
Dify.AI：創新生成式 AI 應用開發平台
Dify.AI 是一個開源的生成式 AI 應用開發平台，專為開發者和企業設計，提供從代理到複雜 AI 工作流程的協作工具，幫助用戶快速開發和部署生成式 AI 應用。
網路資源
TheFastest.ai：快速測試與比較大型語言模型性能的平台
ＴheFastest.ai 是一個專門用來測試和比較各大熱門大型語言模型（LLMs）性能的網站。透過該平台，使用者可以了解不同模型在處理速度、輸出效能等方面的表現，從而選擇最適合其需求的模型。
教學
如何有效提問大型語言模型：以LLaMA-1/2和GPT-3.5/4為例
本文介紹了26個指導原則，旨在簡化查詢和提示大型語言模型的過程。我們的目標是讓用戶更容易理解如何為不同規模的大型語言模型（LLMs）設計最佳的問題和指令，並提高這些模型在不同提示下的反應能力。我們對LLaMA-1/2（7B、13B和70B）和GPT-3.5/4進行了廣泛的實驗，以驗證所提出的原則在指令和提示設計中的有效性。希望這項工作能為研究大型語言模型提示工程的研究人員提供更好的指導。
網路資源
Markdowner：快速將網站轉換成適合大型語言模型處理的 Markdown 格式工具
Markdowner 是一個開源工具，可以快速將任何網站轉換成適合大型語言模型（LLM）處理的 Markdown 格式數據。這個工具特別適合開發者和資料科學家，旨在提高 AI 應用程式的查詢效果。其功能包括自動抓取網站內容、詳細的 Markdown 模式、文字和 JSON 回應等。此外，Markdowner 也支援本地部署，使用者只需簡單的指令即可在自己的環境中運行此工具。
網路資源
ScrapeGraph.ai：智慧型網路爬蟲與資料抓取的開源工具
ScrapeGraph.ai 是一款開源的 Python 智慧型網路爬蟲庫，利用大型語言模型和直接圖形邏輯來創建網站、文件和XML文件的資料抓取管道。使用者只需以簡單的命令指示所需提取的訊息，此庫將自動完成資料抓取任務。支援Docker運行和多種大型語言模型，如OpenAI的GPT-3.5-turbo和Google的Gemini-pro。
網路資源
Anime.gf：本地及開源的 CharacterAI 替代方案
Anime.gf 是一個開源的本地大型語言模型前端工具，支援多個API，包括OpenAI、Anthropic等，用戶可以自訂主題、創建角色卡，並進行聊天重置等操作。此平台特別適合喜愛定制和管理虛擬角色互動的用戶