GraphLLM-基于图的LLM数据处理框架

一个关于法律自然语言处理的研究工作集，包含相关的资源和工具，旨在促进法律领域的NLP研究与应用。

本项目是图宾根大学2023年夏季学期'概率机器学习'课程的材料，包括理论与实践的结合，适合学习和研究概率机器学习的学生和研究者。

用Rust语言编写的GLiNER模型推理引擎，能高效地处理自然语言处理中的命名实体识别等任务，具有资源消耗低、性能高的特点，为相关领域的开发者提供了一个强大的工具

Paper QA是一个基于GPT-3的开源项目，旨在通过自然语言处理技术帮助用户解读学术论文。用户可以通过提出具体问题，获取对论文内容的深入解读和分析。该项目具有开放性，用户可以根据需要进行修改和扩展，且每次问答的成本相对较低，适合学术研究和学习使用。

交互式教程，专注于提升提示工程技能，教授如何构建有效的提示来引导人工智能的响应，包含多个Jupyter Notebook文件，涵盖从基础结构到复杂提示构建的各个方面

本项目旨在帮助用户记录和回顾2023年的重要事件，支持多种格式的总结内容，并提供模板和示例，以便用户快速开始，同时支持多人协作撰写总结。

LLM面试题大全：解锁顶级科技公司的AI人才标准，包含100+道LLM面试真题的资源库，帮助求职者和从业者提升面试能力和专业知识。

InstructScore (SEScore3) 是用于文本生成评估的首个解释性指标，提供全面的评估和诊断报告，帮助识别模型的优缺点，支持多种文本生成任务，并能比较不同模型的输出。

APTMalware是一个旨在分析和检测利用恶意软件样本的高级持续威胁（APT）的项目。该项目支持多种恶意软件家族的分析，提供详细的恶意软件行为及潜在影响报告，并能与现有的威胁情报平台集成，界面友好，适合新手与专家用户使用，且定期更新最新的威胁数据。

Budibase是一个开箱即用的低代码平台，旨在帮助用户快速开发商业级应用，支持单页面项目，具备强大的功能和简洁的UI设计。

基于扩散模型的控制与规划教程，深度学习在控制和规划中的应用指南，通过扩散模型生成样本，解决多模态分布匹配问题，提高训练稳定性和可扩展性。

这个开源项目将GraphRAG与Ollama本地LLM结合，并提供可视化的知识图谱UI和监控。

该项目允许用户从Zotero插入和导入引用、参考文献、注释以及PDF注释到Obsidian，旨在提高文献管理和笔记整理的效率。用户可以利用该插件实现文献与笔记的无缝对接，方便文献的查阅和组织。

llama-api是一个类OpenAI的LLaMA推理API，旨在提供便捷的模型推理服务。它支持自动下载模型、并行处理和并发处理，以便用户可以高效地进行文本生成和其他相关任务。

DTM是一款变革性的分布式事务框架，提供了傻瓜式的使用方式，极大的降低了分布式事务的使用门槛，优雅的解决了服务间的数据一致性问题。

AgentVerse是一个多语言模型环境模拟框架，旨在简化构建自定义多智能体环境的过程。它提供基本构建块，支持多种大型语言模型的集成，并将多智能体环境抽象为五个功能模块，方便用户进行定制化开发。

这个开源项目利用GPT-4技术，旨在解决由AI生成的pull请求中存在的问题。它的功能是通过修复这些问题，提高AI生成的pull请求的质量和准确性。

AI论文评审助手：利用大型语言模型和文档解析工具，从学术论文中提取信息，助力研究者快速把握论文要点。