DeltaPapers集中于预训练模型参数高效方法（Delta Tuning）的重要文献，涵盖最新研究进展，提供每篇论文的摘要和链接，便于用户查找相关领域的关键文献。

ScholarAI是一个基于AI的平台，旨在帮助学者和研究人员简化研究过程，提升学术产出。

在这篇论文中，研究人员修改了Chinchilla扩展定律，以计算最佳的LLM参数数量和预训练数据大小，以训练和部署具有给定质量和推理需求的模型。

LLaVA-LLaMA-3是基于Llama-3-8b大型语言模型(LLM)的LLaVA-v1.5复现项目，旨在提供预训练模型及相关的训练和演示脚本，方便研究人员和开发者进行自然语言处理任务的探索与应用。

FastLLM是一个动态策略选择的深度学习模型训练代码库，集成了Deepspeed、Megatron、FlashAttention、CudaFusionKernel和编译器技术，旨在优化大规模语言模型的训练效率，提供更加灵活和高效的训练方案。

ControlNeXt 是一种可控视频和图像生成方法，支持多种形式的控制信息，参数减少高达90%，实现更快的收敛速度和出色的生成效率。该项目提供了与 ControlNet 相比更高效的训练方式，并能够与其他 LoRA 技术无缝集成。