Что ж, такое ощущение, что сейчас все работают над ИИ, и каждую неделю появляется множество новых многообещающих концепций и идей.

Я собираюсь поделиться с вами некоторыми из них, которые я отметил как интересные в своем списке, и кто знает, может быть, один из них принесет новую революционную функцию искусственного интеллекта завтрашнего дня.

  • yeagerai/genworlds:фреймворк с открытым исходным кодом для создания надежных многоагентных систем.
  • yeagerai/yeagerai-agent:Yeager.ai Agent — это первый создатель агентов Langchain, призванный помочь вам с легкостью создавать, создавать прототипы и развертывать агенты на базе искусственного интеллекта.
  • freddyaboulton/gradio-tools: — это библиотека Python для преобразования приложений Gradio в инструменты, которые может использовать агент на основе большой языковой модели (LLM) для выполнения своей задачи. Например, LLM может использовать инструмент Gradio, чтобы расшифровать голосовую запись, которую он находит в Интернете, а затем обобщить ее для вас.
  • geekan/MetaGPT:Мультиагентная платформа: учитывая однострочное требование, верните PRD, Design, Tasks, Repo.
  • zilliztech/GPTCache:Семантический кеш для LLM. Полностью интегрирован с LangChain и llama_index.
  • GAIR-NLP/facttool: — это расширенная платформа для обнаружения фактических ошибок в текстах, созданных с помощью больших языковых моделей (например, ChatGPT).
  • Mintplex-Labs/vector-admin:Универсальный интерфейс с графическим интерфейсом для управления данными векторных баз данных для здравомыслящих людей. Легко управляйте шишками, цветностью и другими векторными данными.
  • epsilla-cloud/vectordb:Epsilla — это векторная база данных с открытым исходным кодом. Наше внимание сосредоточено на обеспечении масштабируемости, высокой производительности и экономической эффективности векторного поиска. EpsillaDB устраняет разрыв между поиском информации и сохранением памяти в моделях большого языка.
  • mshumer/gpt-prompt-engineer: — это инструмент, который выводит быстрые инженерные эксперименты на совершенно новый уровень.
  • a16z-infra/ai-town:Развертываемый стартовый комплект, лицензированный MIT, для создания и настройки вашей собственной версии AI-города — виртуального города, где персонажи AI живут, общаются и общаются.
  • mshumer/gpt-llm-trainer:Цель этого проекта — изучить новый экспериментальный конвейер для обучения высокопроизводительной модели для конкретных задач. Мы стараемся абстрагироваться от всей сложности, чтобы как можно проще перейти от идеи к производительной полностью обученной модели. Просто введите описание вашей задачи, и система сгенерирует набор данных с нуля, преобразует его в правильный формат и настроит для вас модель LLaMA 2.
  • onnx/onnx:открытый стандарт совместимости машинного обучения.
  • Gentopia-AI/Gentopia: создайте искусственный интеллект посредством взаимодействия специализированных агентов.
  • arminnorouzi/patentGPT:В этом репозитории размещен прототип для патентного анализа, в котором особое внимание уделяется извлечению конкретных технических измерений и связанных с ними значений.
  • THUDM/AgentBench: Комплексный тест для оценки LLM как агентов.

Над чем я сейчас работаю:

  • EbookCreator: API для создания научно-популярных электронных книг с помощью IA. Это может быть полностью автоматизированное создание (пользователь только называет тему), или пользователь выбирает, где принять участие. (практически завершенный)
  • CourseCreator: аналогично предыдущему, предназначен для создания модулей курса по теме. (ещё не начинал)
  • StyleScribble: инструмент, позволяющий генерировать текст с помощью ИИ, который звучит как вы. (в разработке)(ссылка на список ожидания и дополнительная информация: https://stylescribble.fly.dev).
  • SpotifyAI: хочу вернуться к этому проекту, чтобы переформатировать код для подключения к любому LLM и создать для него графический интерфейс. (первый MVP с OpenAI, ждём расширения)
  • Бенчмаркинг автономных агентов: бенчмаркинг для анализа производительности различных агентов при выполнении различных задач. (едва начал)
  • Исследовательское тестирование REACT подскажет с помощью langchain на LLM с открытым исходным кодом, чтобы увидеть, какие из них можно использовать в создании автономных агентов (выбор среды тестирования).

ЧТО Я ВЫПУСКАЛА: