Открытый конкурс и датасет по сбору данных для LLM: лучшие практики фильтрации веб-данных — фундамент для обучения сильных моделей на ограниченном бюджете.
Детекция объектов по текстовому описанию в реальном времени: YOLO, который находит то, что вы напишете словами — без переобучения под классы.
Открытая реализация CLIP: воспроизведение обучения CLIP на собственных данных — эталонные эмбеддинги изображений и текста для поиска и классификации.
Открытая зрительно-языковая модель от Tsinghua: точные описания изображений, ответы на визуальные вопросы и OCR — на уровне закрытых моделей.
Инструментарий больших моделей от BAAI: обучение и инференс Aquila и других моделей — от воспроизведения LLM до мультимодальных задач.
Открытая фундаментальная модель от Shanghai AI Lab: сильные результаты на математике и коде — основа экосистемы InternLM с миллионами загрузок.
ИИ-ревью кода: автоматически находит дублирование, сложные функции и проблемы качества — с объяснениями и предложениями исправлений.
Канбан-доска для ИИ-агентов: запускайте Claude Code, Codex и других агентов в параллельных задачах и управляйте ими из одного окна.
Терминальный агент от команды Qwen: наследник Gemini CLI, заточенный под модели Qwen — автономная разработка с большим контекстом.
Транспилятор SQL между диалектами: переводит запросы между Postgres, MySQL, Snowflake и другими — один из самых используемых инструментов ИИ при работе с данными.
Бенчмарк сложных программных задач: сотни вызовов библиотек и инструментов в одной задаче — проверка моделей на уровне реальной разработки.
Строгая оценка генерации кода: расширенные тесты HumanEval+ и MBPP+ отсеивают код, который формально проходит, но не работает на граничных случаях.
Прозрачная оценка моделей от Стэнфорда: стандартизированные сценарии и метрики — от точности до токсичности и устойчивости к атакам.
Комплексная оценка LLM из Шанхая: сотни датасетов и моделей — официальная платформа ведущих китайских и мировых лидербордов.
Обучение GPT-2 на чистом C и CUDA от Андрея Карпати: минималистичный, но быстрый код, разбирающий устройство языковых моделей до основания.
Языковая модель на архитектуре RNN: качество трансформера при линейной сложности и постоянной памяти — эффективный инференс на слабом железе.
Оркестрация локальных ИИ-агентов от создателя LocalAI: пул агентов с памятью, планированием и функциями — без облака и без кода.
Платформа разработки LLM-приложений: быстрые эксперименты с промптами и моделями, оценка качества и публикация — от прототипа до прода.
Стриминговая обработка данных для ИИ: постоянно обновляемый индекс из потоков данных — основа для RAG, который не устаревает.
Агентная обработка документов из Berkeley: пайплайны с ИИ-шагами извлекают, преобразуют и разрешают сущности в массивах документов любого объёма.