简化LLM完成和嵌入调用的开源库
LiteLLM是一个开源库，旨在简化LLM完成和嵌入调用。它集成了Azure、Anthropic、OpenAI、Cohere和Replicate等多个平台的API，让你可以使用一个函数轻松调用它们。LiteLLM提供了方便的接口和一致的输出格式，使得使用LLM模型变得更加简单。它可以用于各种场景，如自然语言处理、文本生成、对话系统等。
个人文件搜索引擎
PocketLLM是一款个人文件搜索引擎，使用AI和LLM技术，能够记忆数千页的PDF和文档，并提供快速搜索功能。用户可以在自己的设备上进行训练，完全保护隐私，完全免费。用户可以轻松添加、更新或删除模型和文件，并可以通过语义搜索进行全文搜索，搜索整个段落、相似概念或多个主题。
农业管理平台
LLM Farmkey是一款农业管理平台，提供农民和农业专业人士所需的工具和信息，帮助提高农业生产效率。该平台具有多种功能，包括农作物管理、天气预报、市场行情分析等。价格根据用户需求定制，定位于帮助农民提高农业生产效益。
利用 LLMs 预测未来的概念验证工具
LLM Oracle 是一个概念验证工具，利用语言模型（LLMs）来预测未来。它使用强大的 GPT-4 模型来提供准确的预测结果。用户可以获取未来预测信息并在设置中自定义参数。LLM Oracle的主要功能包括获取预测、优化结果、定价等。无论是进行个人娱乐、商业决策还是学术研究，LLM Oracle都能为用户提供有价值的未来预测。
扩展能力，提升效率
LLM Augmented LLMs通过将现有基础模型与更具体的模型进行组合，实现新的能力。CALM（Composition to Augment Language Models）引入模型之间的交叉注意力，以组合它们的表示并实现新的能力。其显著特点包括：（i）通过“重用”现有LLMs以及少量额外参数和数据，在新任务上扩展LLMs的规模；（ii）保持现有模型权重不变，因此保留现有的能力；（iii）适用于不同的领域和设置。实验证明，将PaLM2-S与在低资源语言上训练的较小模型进行增强，在诸如翻译成英语和低资源语言的算术推理等任务上，结果绝对改善了高达13%。类似地，当PaLM2-S与特定于代码的模型进行增强时，在代码生成和解释任务上，相对于基础模型，我们看到了高达40%的改进，与完全微调的对应模型不相上下。
专为Kindle优化的无干扰LLM聊天Web应用
Kindllm是一款专为Kindle优化的无干扰LLM聊天Web应用，是您阅读的完美伴侣。由Mistral AI的Mixtral提供技术支持。主要在Kindle Paperwhite上进行了测试。为什么？作者之前尝试制作这款应用，但在旧版Kindle浏览器上无法很好地运行。令人惊讶的是，亚马逊最近更新了一些Kindle的网络浏览器，现在似乎已经足够好以运行这样的简单交互应用！
一框架，统一所有语言模态
OneLLM是一个旨在统一所有语言模态的框架。它提供了预览模型，并允许本地演示。该框架的功能包括模型安装、模型预览和本地演示。OneLLM的优势在于能够统一不同的模态，如图像和文本，以及语音和文本。该框架的定位是为了简化多模态任务的处理。
隐私保护AI聊天助手
Private LLM是一款隐私保护的AI聊天助手，无需互联网连接即可使用。它提供离线功能、隐私保护和创意激发，是您头脑风暴、学习和提高工作效率的必备工具。一次性购买，无需订阅费用，无需担心隐私问题。
多模态文档理解模型
DocLLM是一个提供多模态文档理解模型的平台，旨在处理企业文档中的文本和空间布局，并提供优于现有大型语言模型的性能。其模型采用轻量级扩展，避免昂贵的图像编码器，专注于边界框信息以纳入空间布局结构。通过分解经典Transformer中的注意机制，捕获文本和空间模态之间的交叉对齐。此外，设计了一个预训练目标，学习填充文本段落，以解决视觉文档中经常遇到的不规则布局和异质内容。该解决方案在14个任务的16个数据集中优于现有大型语言模型，并且对5个以前未见数据集具有良好的泛化能力。
多模态综合理解与创作
DreamLLM是一个学习框架，首次实现了多模态大型语言模型（LLM）在多模态理解和创作之间的协同效应。它通过直接在原始多模态空间中进行采样，生成语言和图像的后验模型。这种方法避免了像CLIP这样的外部特征提取器所固有的限制和信息损失，从而获得了更全面的多模态理解。DreamLLM还通过建模文本和图像内容以及无结构布局的原始交叉文档，有效地学习了所有条件、边缘和联合多模态分布。因此，DreamLLM是第一个能够生成自由形式交叉内容的MLLM。全面的实验证明了DreamLLM作为零样本多模态通才的卓越性能，充分利用了增强的学习协同效应。
基于LLM的企业智能工作助手
LLime是一个基于大型语言模型的企业智能工作助手,可以为企业的各个部门提供定制化的AI助手,提升工作效率。它提供简单易用的界面,支持根据企业数据进行模型微调,确保模型精准适配企业需求。主要功能包括代码探索、数据分析、内容策略等,可以帮助开发者、管理者和市场人员的工作决策。该产品采用订阅制,根据部门和员工人数定价。
将大型语言模型和聊天引入到 Web 浏览器中
Web LLM 是一个模块化、可定制的 JavaScript 包，可直接将语言模型聊天引入到 Web 浏览器中。一切都在浏览器内部运行，无需服务器支持，并且通过 WebGPU 进行加速。它可以为大家构建 AI 助手提供很多有趣的机会，并在享受 GPU 加速时保护隐私。此项目是 MLC LLM 的附属项目，MLC LLM 可以在 iPhone 和其他本地环境中本地运行 LLM。
LLM App开发和运营平台
Teammate Lang是一个全能的LLM App开发和运营解决方案。提供无代码编辑器、语义缓存、Prompt版本管理、LLM数据平台、A/B测试、QA、Playground等20多个模型，包括GPT、PaLM、Llama、Cohere等。
构建LLM应用的开发平台
LLM Spark是一个开发平台，可用于构建基于LLM的应用程序。它提供多个LLM的快速测试、版本控制、可观察性、协作、多个LLM支持等功能。LLM Spark可轻松构建AI聊天机器人、虚拟助手等智能应用程序，并通过与提供商密钥集成，实现卓越性能。它还提供了GPT驱动的模板，加速了各种AI应用程序的创建，同时支持从零开始定制项目。LLM Spark还支持无缝上传数据集，以增强AI应用程序的功能。通过LLM Spark的全面日志和分析，可以比较GPT结果、迭代和部署智能AI应用程序。它还支持多个模型同时测试，保存提示版本和历史记录，轻松协作，以及基于意义而不仅仅是关键字的强大搜索功能。此外，LLM Spark还支持将外部数据集集成到LLM中，并符合GDPR合规要求，确保数据安全和隐私保护。
扩展大语言模型的上下文窗口
LLM Maybe LongLM是一个面向开发者和研究人员的人工智能平台，提供各种模型、数据集和解决方案。其中，LLM Maybe LongLM是针对大语言模型长上下文处理的研究成果，通过自我扩展实现了对长上下文的处理能力。该方法无需训练，只需对原始模型进行少量代码修改即可扩展上下文窗口，为处理长文本提供了有效的解决方案。
开发LLM应用的平台
Vellum是一个用于构建LLM驱动应用的开发平台。它具有提示工程、语义搜索、版本控制、测试和监控等工具,可以帮助开发者将LLM的功能引入生产环境。它与所有主要的LLM提供商兼容,开发者可以选择最适合的模型,也可以随时切换,避免业务过于依赖单一的LLM提供商。
为LLM增强人物提供视频聊天
ChatAnything旨在向LLM-based的虚拟人物注入人格、外貌和声调，实现在线视频聊天。用户只需提供文本描述，即可产生拥有具体外貌、个性和说话方式的虚拟人物。ChatAnything利用LLM的上下文学习能力为人格生成提供基础，然后提出了两个创新概念：声音混合技术（MoV）和外貌混合技术（MoD），用于多样化声音和外貌生成。它的主要功能包括虚拟人物肖像生成、性格生成、声音生成和面部驱动生成。使用场景包括制作视频聊天、互动虚拟人物等。
智能在线棋盘游戏
LLM棋盘是一个智能在线棋盘游戏，提供全自动的棋局管理和对弈功能。它基于强大的AI引擎，支持单人对战和多人对战，提供多种难度级别和棋局设置选项，使得棋盘游戏更加有趣和具有挑战性。LLM棋盘还具有友好的用户界面和实时游戏记录，可以方便地追踪棋局进展和学习棋局策略。
© 2025 AIbase 备案号：闽ICP备08105208号-14