本项目研究了在机器学习中对柏拉图理想的表现形式,探讨了表现理论与柏拉图理想之间的关系。
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。
Reasoning Gym是一个用于训练推理模型的Python库,能够生成无限多的推理任务,旨在通过强化学习提升模型的逻辑和算法推理能力。该项目支持多种推理数据集,易于集成和扩展,以满足研究和开发的需求。
Galactica是一个提供用户友好界面的机器学习模型互动网站,用户可以输入数据或使用平台提供的示例数据,实验不同参数并观察模型的输出或预测。
一个专注于机器学习系统设计的资源库,提供端到端的示例和设计文档,帮助理解和应用机器学习系统设计的核心概念。
Dyana是一个多功能的沙盒环境,可以加载、运行和分析各种文件,包括机器学习模型、可执行文件、Python脚本等,帮助用户深入了解文件的行为和性能。
siliconflow提供 DeepSeek R1、OpenAI o1、GPT-4o、Claude 3.5 和 Gemini 1.5等领先大模型