LLM Transparency Tool：分析Transformer語言模型的內部工作機制
LLM Transparency Tool（LLM-TT）是一個開源的互動式工具包，用於分析基於Transformer的語言模型的內部工作機制。它允許使用者選擇模型、新增提示並執行推理，透過視覺化的方式展示模型的注意力流動和資訊傳遞路徑。該工具旨在提高模型的透明度，幫助研究人員和開發者更好地理解和改進語言模型。
Llama-3 70B Instruct Gradient 1048k：Gradient AI團隊開發的高效能語言模型，支援長文字生成和對話
Llama-3 70B Instruct Gradient 1048k是一款由Gradient AI團隊開發的先進語言模型，它透過擴充上下文長度至超過1048K，展示了SOTA（State of the Art）語言模型在經過適當調整後能夠學習處理長文本的能力。
QuranGPT：求助至高者，他必不拒絕！
QuranGPT是一款基於人工智慧的語言模型工具，透過GPT-3技術實現。它可以回答使用者關於伊斯蘭教的問題，並提供指導和解答。QuranGPT的功能包括回答問題、解釋教義、提供教育知識等。它的優勢是能夠在大部分情況下提供準確和有幫助的回答。QuranGPT是免費使用的。它適用於那些希望瞭解伊斯蘭教的人，以及需要伊斯蘭教方面知識的學生、研究人員和教師。
MLC Chat：iPad和iPhone上的開源語言模型聊天應用
MLC Chat允許使用者在iPad和iPhone上本地與開源語言模型進行聊天。在將模型下載到應用程式後，一切都在本地執行，無需伺服器支援，而且無需網際網路連線，不記錄任何資訊。由於模型在本地執行，它僅適用於具有足夠VRAM的裝置，具體取決於所使用的模型。MLC Chat是開源專案MLC LLM的一部分，允許在各種硬體後端和本機應用程式上本地部署任何語言模型。MLC Chat是在您的手機上執行不同開源模型架構的執行時。該應用旨在非商業目的。它允許您執行從網際網路上下載的開源語言模型。每個模型可能受其各自的許可證約束。
Llama3-70B-SteerLM-RM：70億引數的多方面獎勵模型
Llama3-70B-SteerLM-RM是一個70億引數的語言模型，用作屬性預測模型，一個多方面的獎勵模型，它在多個方面對模型響應進行評分，而不是傳統獎勵模型中的單一分數。該模型使用HelpSteer2資料集訓練，並透過NVIDIA NeMo-Aligner進行訓練，這是一個可擴充的工具包，用於高效和高效的模型對齊。
multi-token prediction：多令牌預測模型，提升語言模型的效率與效能
multi-token prediction模型是Facebook基於大型語言模型研究開發的技術，旨在透過預測多個未來令牌來提高模型的效率和效能。該技術允許模型在單次前向傳播中生成多個令牌，從而加快生成速度並可能提高模型的準確性。
MoA：提升大型語言模型效能的混合代理技術
MoA（Mixture of Agents）是一種新穎的方法，它利用多個大型語言模型（LLMs）的集體優勢來提升效能，實作了最先進的結果。MoA採用分層架構，每層包含多個LLM代理，顯著超越了GPT-4 Omni在AlpacaEval 2.0上的57.5%得分，達到了65.1%的得分，使用的是僅開源模型。
VideoLLaMA2-7B：大型影片-語言模型，提供視覺問答和影片字幕生成
VideoLLaMA2-7B是由DAMO-NLP-SG團隊開發的多模態大型語言模型，專注於影片內容的理解和生成。該模型在視覺問答和影片字幕生成方面具有顯著的效能，能夠處理複雜的影片內容，並生成準確、自然的語言描述。它在空間-時間建模和音訊理解方面進行了最佳化，為影片內容的智慧分析和處理提供了強大的支援。
MDLM：一種高效的遮蔽擴散語言模型
Masked Diffusion Language Models (MDLM) 是一種新型的語言模型，它透過遮蔽和擴散機制來生成高質量的文本資料。MDLM 透過改進的訓練方法和簡化的目標函式，提高了遮蔽擴散模型的效能，使其在語言建模基準測試中達到了新的最佳狀態，並接近自迴歸模型的困惑度。
PPLX Online LLMs：面向答疑的線上語言模型API
Perplexity推出了兩個線上語言模型:pplx-7b-online和pplx-70b-online。這兩個模型可以利用網際網路上的最新資訊來形成響應, thus能夠準確回答與時間相關的問題。pplx線上模型的響應更有幫助、準確和及時。