Qwen1.5-110B：Qwen1.5系列首個千億引數開源模型，多語言支援，高效Transformer解碼器架構
Qwen1.5-110B是Qwen1.5系列中規模最大的模型，擁有1100億引數，支援多語言，採用高效的Transformer解碼器架構，幷包含分組查詢注意力（GQA），在模型推理時更加高效。它在基礎能力評估中與Meta-Llama3-70B相媲美，在Chat評估中表現出色，包括MT-Bench和AlpacaEval 2.0。
Textbase：簡單構建 AI 聊天機器人的框架
Textbase 是一個使用自然語言處理和機器學習構建聊天機器人的簡單框架。它提供了一個 on_message 函式的介面，使用者只需實現這個函式，Textbase 會處理其他的事情。使用者可以使用任何模型、庫、向量資料庫和 API。未來還會推出 PyPI 包、透過 textbase deploy 進行簡單的 Web 部署、SMS 整合以及其他模型的原生整合。
QualityPrompts：快速使用和評估提示技術
QualityPrompts是一個Python外掛，實作了58種不同的提示技術，這些技術來源於OpenAI、Microsoft等機構的調研。它透過提供少量示例來幫助使用者快速構建和評估他們的提示。該外掛的主要優點是能夠顯著提高解決數學問題等任務的準確性，並且易於使用和整合。
MInference 1.0：加速長上下文大型語言模型的預填充處理
MInference 1.0 是一種稀疏計算方法，旨在加速長序列處理的預填充階段。它透過辨識長上下文注意力矩陣中的三種獨特模式，實作了對長上下文大型語言模型（LLMs）的動態稀疏注意力方法，加速了1M token提示的預填充階段，同時保持了LLMs的能力，尤其是檢索能力。
Understanding Deep Learning：深入理解深度學習的原理與應用
《Understanding Deep Learning》是一本深入探討深度學習原理和應用的書籍。它提供了豐富的數學背景知識、監督學習、神經網路的構建與訓練等深度學習領網域的全面內容。書中提供的Python筆記本練習幫助讀者透過實踐來加深理解。此外，還有為教師提供的資源，包括影象、投影片和教輔材料。
MG-LLaVA：多粒度視覺指令調優的創新MLLM
MG-LLaVA是一個增強模型視覺處理能力的機器學習語言模型（MLLM），透過整合多粒度視覺流程，包括低解析度、高解析度和以對象為中心的特徵。提出了一個額外的高解析度視覺編碼器來捕捉細節，並透過Conv-Gate融合網路與基礎視覺特徵融合。
ComfyUI-LuminaWrapper：用於Lumina模型的Python包裝器
ComfyUI-LuminaWrapper是一個開源的Python包裝器，用於簡化Lumina模型的載入和使用。它支援自訂節點和工作流，使得開發者能夠更便捷地整合Lumina模型到自己的專案中。該外掛主要面向希望在Python環境中使用Lumina模型進行深度學習或機器學習的開發者。
Meta Chameleon：先進的機器學習模型，助力非商業研究
Meta Chameleon是由Meta公司開發的一款機器學習模型，它為非商業研究用途提供支援，包括研究、開發、教育、處理或分析等，並不以商業利益或對您或他人的貨幣補償為主要目的。模型包括機器學習模型程式碼、訓練好的模型權重、推理啟用程式碼、訓練啟用程式碼、微調啟用程式碼、演示材料等。
Samba：高效無限上下文語言模型的官方實作
Samba是一個簡單而強大的混合模型，具有無限的上下文長度。它的架構非常簡單：Samba = Mamba + MLP + 滑動視窗注意力 + 層級MLP堆疊。Samba-3.8B模型在Phi3資料集上訓練了3.2萬億個token，主要基準測試（例如MMLU、GSM8K和HumanEval）上的表現大大超過了Phi3-mini。
transformers.js：在瀏覽器中直接執行先進的機器學習模型
transformers.js 是一個JavaScript庫，旨在為網頁提供先進的機器學習能力。它允許使用者在瀏覽器中直接執行預訓練的Transformers模型，無需伺服器支援。該庫使用ONNX Runtime作為後端，支援將PyTorch、TensorFlow或JAX模型轉換為ONNX格式。