MiniMax-M2
MiniMax-M2,專為 Max 編碼與代理工作流程打造的模型。
瀏覽 YunoDB 近期依公開專案資料篩選並收錄的實用工具。
22794 項工具
MiniMax-M2,專為 Max 編碼與代理工作流程打造的模型。
Cambrian-1 是一個多模態 LLM 家族,採用視覺中心設計。
[EMNLP'25] s3 - ⚡ 透過 RL 進行 RAG 的高效且有效的搜尋代理訓練(以極少資料進行搜尋的 RLVR)
這是 LLM4IR 調查的儲存庫。
Align Anything:以回饋訓練全模態模型
分享我們在管理 Open LLM Leaderboard 與設計 lighteval 時,所累積關於 LLM 評估的實務見解與理論知識。
Safe RLHF:透過基於人類回饋的安全強化學習進行約束價值對齊
強大的對話式AI JavaScript函式庫 💬 — 適用於任何LLM的UI,支援LangChain / HuggingFace / Vercel AI等 🧡 React、Next.js 及純JavaScript
[ICLR2024 spotlight] OmniQuant 是一種簡單且強大的 LLM 量化技術。
大型語言模型中檢索增強生成(RAG)的精選清單
[ICML 2024] KIVI:一種無需調校的非對稱2位元量化方法,用於KV快取
使用消費級硬體設定並執行本機 LLM 和聊天機器人。
LogLLM:使用大型語言模型進行基於日誌的異常偵測(系統日誌異常偵測)
TimeSeriesScientist 官方儲存庫
[AAAI 2026 口頭報告] InfiGUI-G1 的官方儲存庫。我們提出自適應探索策略最佳化 (AEPO),以克服中 GUI 代理的語意對齊瓶頸
透過演化搜尋與強化學習,利用LLMs有效率地發現演算法。
使用大型語言模型從任何內容中提取結構化資料。
[ACL 2025 Findings] 使用零樣本生成式分類器進行數學文本的自主資料選擇 (https://huggingface.co/papers/2402.07625)
與 EMNLP 2024 主要論文相關的程式碼:「圖片,告訴我你的故事!」預測視覺錯誤資訊的原始元背景。
您可以在任何地方執行、無需安裝任何東西、而且真正值得信賴的逆向工程框架。
[ICML 2025] 官方資源:”KBQA-o1: Agentic Knowledge Base Question Answering with Monte Carlo Tree Search“。
[TACL, EMNLP 2025 Oral] 論文「CRAFT Your Dataset: Task-Specific Synthetic Dataset Generation Through Corpus Retrieval and Augmentation」的程式碼、資料集和檢查點
「Quantile Reward Policy Optimization:基於點對點回歸與精確分割函數的對齊」(Matrenok 等人,2025)的官方程式碼庫。
一個基於檢索增強生成(RAG)和 LLaMA-3.1-8B-Instant 大型語言模型(LLM)的個人助理。此工具旨在重新定義 PDF 文件分析任務。