The Impact of Large Language Models on Scientific Discovery: a Preliminary Study using GPT-4-探讨GPT-4对科学发现的影响

MobileCPM是一个旨在帮助开发者将大型语言模型无缝集成到移动应用中的工具集，能够实现多种用例的本地模型能力，支持在移动设备上运行并提供多种功能，简化了开发者的集成过程。

Yi是一系列从零开始训练的大型语言模型，旨在提供高质量的文本生成和对话能力，适用于多种应用场景。

该项目讨论了大型语言模型在有效生成和优化提示方面的能力，展示了它们在人类水平上的熟练程度。

LLM大型语言模型笔记，包含年份、论文、代码等信息，帮助您了解各个模型的发展历程和应用

Wordware是一个基于网络的集成开发环境，专为大型语言模型（LLM）协调而设计，帮助跨职能团队构建AI应用。它作为LLM的后端，类似于一种新的编程语言，基于英语，同时融合了循环、逻辑和函数调用等概念。

研究论文展示了大型语言模型如何有效地帮助诊断认知行为疗法（CBT）中的扭曲思维，结合自然语言处理技术，为心理健康提供支持。

LLM Explorer 是一个为机器学习研究人员、开发者和人工智能爱好者设计的平台，帮助用户了解最新的自然语言处理技术，集成到项目中，并保持在人工智能进步的前沿。

LLM4SE是一个专为软件工程设计的大型语言模型，能够理解和生成多种编程语言的代码，自动化代码审查与重构，智能化错误检测与调试，并能自动生成项目文档。同时，LLM4SE可以与多种开发工具和环境集成，提升开发效率。

BatGPT是由上海交通大学与武汉大学联合自然语言处理团队设计的系列大型语言模型，具有150亿参数，通过高质量的中英文语料进行双向自回归预训练，并经过指令微调与强化对齐的学习，展现出优秀的指令遵循能力、多轮对话能力和推理能力。

该项目汇集了最新的大型语言模型与自然语言处理(NLP)的研究论文和相关资源，旨在为研究者和开发者提供一个全面的平台，帮助他们了解和应用各种大型语言模型。

该项目汇集了针对大型语言模型的训练数据管理的研究，包括与预训练、数据质量和领域构成相关的资源。

TinyZero是一个以不到30美元的成本，利用veRL强化学习训练框架，在qwen2.5模型基础上进行训练的项目，能够复现DeepSeek R1论文中的'Aha moment'，并提供完整实验日志和开源代码，方便复现和学习。

Time-LLM 是一个重新编程框架，用于将大型语言模型（LLMs）重新用于通用的时间序列预测，同时保持其骨干语言模型的完整性。

本项目对大型语言模型中的上下文长度扩展进行了详细调研，讨论了现有策略、评估复杂性及研究者面临的挑战。

本综述旨在提供关于利用大型语言模型进行NLG评估的全面概述，提出了一个系统的分析框架，以理解和比较这些方法。通过讨论未解决的挑战，包括偏见、鲁棒性、领域特异性和统一评估，本综述旨在为研究人员提供洞见，并倡导更公平和先进的NLG评估技术。

大型语言模型显著推动了自然语言处理领域的发展，引发了人们对利用其潜力处理各种自然、社会和应用科学领域中特定任务的极大兴趣。

用蒙特卡洛树搜索与大型语言模型结合解决数学问题的演示项目，就像给AI装上了解题的“指南针”，让它能更高效地找到解题路径

关于大型语言模型（LLM）在网络安全领域应用的全面综述项目，旨在探索LLM如何助力网络安全，包括构建网络安全领域的LLM、LLM在网络安全中的潜在应用，以及面临的挑战和未来研究方向，为相关研究人员和从业者提供宝贵资源和洞见。