LARP：語言智慧角色扮演開放世界遊戲
LARP是一個語言智慧代理框架,用於開放世界遊戲中的角色扮演。它包含認知架構、環境互動和角色塑造模組,可以創造獨特背景和個性的遊戲角色,增強使用者與智慧體的互動體驗。LARP透過精煉互動和連貫的長期記憶,幫助語言模型適應開放世界的複雜性,實現靈活的問題解決。
GPT Chatbot：GPT聊天機器人，智慧AI對話
GPT Chatbot是由OpenAI開發的AI語言模型。GPT採用Transformer架構，擅長理解和生成人類化的文字。經過大量網際網路資料集的預訓練，GPT理解上下文、句法和語義，使其能夠生成相關的回應。GPT的優勢在於其能夠從多樣的語言資料中推斷出模式，從而完成對話、回答問題和內容創作等任務。與基於規則的系統不同，GPT動態生成回應，展現了在各個領域的適應性。其應用範圍從語言翻譯到支援創意寫作等。透過整合深度學習技術，GPT捕捉複雜的語言結構，使其能夠生成連貫且上下文相關的文字。這一預訓練階段賦予了GPT廣泛的語言理解，使其成為執行眾多與語言相關任務的多功能工具。
LLM Context Extender：擴充套件LLM上下文視窗
LLM Context Extender是一款旨在擴充套件大型語言模型（LLMs）上下文視窗的工具。它透過調整RoPE的基礎頻率和縮放注意力logits的方式，幫助LLMs有效適應更大的上下文視窗。該工具在精細調整效能和穩健性方面驗證了其方法的優越性，並展示了在僅有100個樣本和6個訓練步驟的情況下，將LLaMA-2-7B-Chat的上下文視窗擴充套件到16,384的非凡效率。此外，還探討了資料組成和訓練課程如何影響特定下游任務的上下文視窗擴充套件，建議以長對話進行LLMs的精細調整作為良好的起點。
GPTs Enhancer：一鍵傳送文字到OpenAI GPTs，快速定製
GPTs Enhancer是一個強大的工具，旨在增強與OpenAI GPT模型的互動。它允許使用者定製命令，自動將網頁上的文字傳送到GPT，並快速獲得智慧反饋。它可用於語言模型訓練、寫作支援或簡單的互動娛樂。
Automorphic：自我提升的安全 LLM
Automorphic 是一個安全、自我提升的語言模型平臺。它使用 fine-tuning 技術將知識注入語言模型，繞過上下文視窗的限制。您可以訓練介面卡以實現特定行為或知識，並在執行時動態組合和切換它們。同時，Automorphic 提供人機互動反饋，以快速迭代模型，並將其投入生產環境。您還可以使用 Automorphic Hub 上的公開模型進行推理。
No Limits Chat GPT Free：無限聊天，GPT語言模型外掛
No Limits Chat GPT是一款由OpenAI開發的先進語言模型外掛，旨在透過無限聊天的能力來改變您的瀏覽體驗。它利用先進的GPT技術進行動態、上下文感知的對話，無論是尋求資訊、頭腦風暴還是輕鬆閒聊，都能提供多樣化的服務。外掛會根據您的偏好進行個性化調整，從您的互動中學習並量身定製響應，為您提供更個性化、高效的體驗。外掛與Slack、Facebook Messenger和WhatsApp等流行的消息平臺無縫整合，使您可以直接在這些介面內與AI助手對話。同時，它還提供獨立的瀏覽器介面，提供專注、無干擾的體驗。外掛支援多種語言，確保使用者可以無語言障礙地進行有意義的對話。我們注重您的隱私和安全，所有對話都會在外掛內部進行本地加密和處理，保證您的資料保密和安全。
WikiChat：使用Wikipedia資料抑制語言模型的幻覺
WikiChat利用Wikipedia和7個階段的流程,確保其響應是事實性的。它可以抑制大型語言模型的誤報,透過從Wikipedia檢索資料來糾正語言模型的錯誤回覆。具有命令列互動和Web介面。
ChatGPT Plugins：ChatGPT擴充套件外掛，增強功能
ChatGPT外掛是為ChatGPT設計的工具，旨在增強其功能。它可以幫助ChatGPT獲取最新的資訊、執行計算或使用第三方服務。透過外掛，使用者可以訪問即時資料、獲取個性化建議，並進行更復雜的任務。定價和定位請參考官方網站。
PromptPoint：高效設計、測試和部署提示語的工具
PromptPoint是一個幫助團隊設計、測試和部署高質量提示語的工具。它提供自動化測試和輸出評估功能，幫助您確保語言模型輸出的質量。您可以建立和管理自己的提示語，測試和評估其效果，並快速部署到自己的應用程式中。PromptPoint還提供了針對提示語的速度和成本監控功能，幫助您最佳化效能和成本，並提供部署時的回滾能力。透過PromptPoint，您可以將提示語的建立權交給最瞭解您業務和使用者的團隊成員，縮小技術執行和實際需求之間的差距，加快測量提示語效果的反饋循環。
LongLLaMA：處理長文字的大型語言模型
LongLLaMA 是一個大型語言模型，能夠處理長篇文字。它基於 OpenLLaMA，並使用 Focused Transformer (FoT) 方法進行了微調。它能夠處理長達 256k 標記甚至更多的文字。我們提供了一個較小的 3B 基礎模型（未經過指令調整），並在 Hugging Face 上提供了支援更長上下文的推斷程式碼。我們的模型權重可以作為現有實現中 LLaMA 的替代品（適用於最多 2048 個標記的短上下文）。此外，我們還提供了評估結果和與原始 OpenLLaMA 模型的比較。