一个使客户端 CPU 上的 LLM 微调成为可能的开源项目，特别是在没有 GPU 的情况下。

该项目旨在展示如何在中文环境中使用Transformers库进行自然语言处理(NLP)任务，提供了丰富的示例和详细的文档，以帮助用户理解和应用相关技术。

Transformers Notebooks是一组用于自然语言处理的Jupyter笔记本，旨在帮助用户快速上手使用Transformers库，提供丰富的示例和教程，涵盖文本分类、问答、翻译等多种任务，同时支持快速实验和模型评估。

该项目集成了基于 transformers 库实现的多种自然语言处理任务，支持用户使用各种预训练模型，进行文本分类、生成、命名实体识别、机器翻译等操作，并且允许用户自定义数据集，易于使用和扩展。

One-GLM是基于GLM架构的项目，移植到了使用OneFlow后端进行训练，能够大幅提升性能和显存利用率。

Auto-GPT-ZH是中文版AutoGPT，旨在提供一个中文环境下的自动化GPT应用，支持多种API扩展，用户可以自定义任务和目标，具有高效的文本生成和对话能力，界面友好，适合各种中文场景的应用。

这本书的实践代码，旨在帮助读者掌握大型语言模型的使用和应用，提供丰富的示例和深入的讲解，适合各级开发者。

一个包含大约4675本中文科幻小说的语料库，可以用于中文科幻小说的人工智能研究。

LongBench是一个专为中英双语长文本理解而设计的评测基准，支持多种理解任务的评估，并提供标准化的数据集和评测指标，适用于各种长文本处理模型的性能评估。

meta-prompts是一种利用扩散模型处理视觉感知任务的方案，通过引入可学习的元提示到预训练的扩散模型中，以提取适合特定感知任务的特征。该方法旨在提高模型在各种视觉任务中的表现，支持丰富的语义信息提取，满足类别识别、深度感知和关键点感知等需求。

llama-jax是LLaMA的JAX实现，旨在利用Google Cloud TPU进行训练，提供高效、灵活的模型训练解决方案。

NuMind是一个平台，可以教您的AI创建分类器、命名实体识别(NER)模型和结构化提取模型，以满足您的特定需求。这些轻量级模型在信息提取方面表现优异，且成本低于通用模型，可以在私密环境中使用。