Awesome-Multimodal-Large-Language-Models 是一个学习资料,用于系统学习与查阅。
:sparkles::sparkles:Latest Advances on Multimodal Large Language Models
practical-tutorials
项目驱动学习教程合集,通过一步步做完整项目来掌握一门技术。目前累计 28.8 万 star、3.7 万 fork,在本地项目库中星标排名约第 16 / 65705,主要语言为 Python,项目始于 2017 年,采用 MIT 许可。最近状态:本周仍有提交。
适合谁:推荐给想补齐某块知识的开发者:涉及 beginner-project、cpp、golang、javascript 方向。
按累计星标排序,库内共 65,705 个项目(GitHub 上星标 ≥ 1k 的公开仓库约 65,968 个)。
优先使用本地记录的星标快照计算近 7 天真实增量;快照不足 7 天时,按「创建以来日均获星」估算,数值旁会标注口径。
已收录 GitHub 星标过千的公开项目,附原始简介、语言、主题与活跃度。用一句自然语言描述需求,即可获得 AI 推荐。
Awesome-Multimodal-Large-Language-Models 是一个学习资料,用于系统学习与查阅。
:sparkles::sparkles:Latest Advances on Multimodal Large Language Models
LLMSurvey 是用 Python 编写的学习资料,用于系统学习与查阅。
The official GitHub page for the survey paper "A Survey of Large Language Models".
Prompt_Engineering 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
22 prompt engineering techniques with hands-on Jupyter Notebook tutorials, from fundamental concepts to advanced strategies for leveraging LLMs.
Awesome-LLM-Strawberry 是一个 AI 工具,用于大模型与智能体应用开发。
A collection of LLM papers, blogs, and projects, with a focus on OpenAI o1 🍓 and reasoning techniques.
reasoning-from-scratch 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
Implement a reasoning LLM in PyTorch from scratch, step by step
deepreasoning 是用 Rust 编写的 AI 工具,用于大模型与智能体应用开发,主打高性能。
A high-performance LLM inference API and Chat UI that integrates DeepSeek R1's CoT reasoning traces with Anthropic Claude models.
Kiln 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Build, Evaluate, and Optimize AI Systems. Includes evals, RAG, agents, fine-tuning, synthetic data generation, dataset management, MCP, and more.
eko 是用 TypeScript 编写的 AI 工具,用于大模型与智能体应用开发,主打适合生产环境。
Eko (Eko Keeps Operating) - Build Production-ready Agentic Workflow with Natural Language - eko.fellou.ai
adhd 是用 TypeScript 编写的 AI 工具,用于大模型与智能体应用开发。
ADHD — a skill for coding agents. Tree-of-thought with pruning, built on the Claude & Codex Agent SDK. Fans out parallel divergent thoughts under di…
optillm 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发。
Optimizing inference proxy for LLMs
Awesome-LLM-Reasoning 是一个资源清单,按主题汇总同类优质资源。
From Chain-of-Thought prompting to OpenAI o1 and DeepSeek-R1 🍓
总结Prompt&LLM论文,开源数据&模型,AIGC应用
总结Prompt&LLM论文,开源数据&模型,AIGC应用
prompt-in-context-learning 是用 Jupyter Notebook 编写的 AI 工具,用于大模型与智能体应用开发。
Awesome resources for in-context learning and prompt engineering: Mastery of the LLMs such as ChatGPT, GPT-3, and FlanT5, with up-to-date and cuttin…
Chain-of-ThoughtsPapers 是一个学习资料,用于系统学习与查阅。
A trend starts from "Chain of Thought Prompting Elicits Reasoning in Large Language Models".
auto-cot 是用 Jupyter Notebook 编写的 AI 工具,用于大模型与智能体应用开发。
Official implementation for "Automatic Chain of Thought Prompting in Large Language Models" (stay tuned & more will be updated)
DriveLM 是用 HTML 编写的 AI 工具,用于大模型与智能体应用开发。
[ECCV 2024 Oral] DriveLM: Driving with Graph Visual Question Answering
Awesome-MCoT 是用 TeX 编写的 AI 工具,用于大模型与智能体应用开发,主打功能完整。
Multimodal Chain-of-Thought Reasoning: A Comprehensive Survey
Prompt4ReasoningPapers 是一个 AI 工具,用于大模型与智能体应用开发。
[ACL 2023] Reasoning with Language Model Prompting: A Survey
项目列表来自 GitHub 官方 Search API(stars:>1000)。单个查询最多只能返回前 1000 条,所以「同步热门」取到的是星标最高的 1000 个;要拿全量必须按星标区间拆成多个查询——本站会先查各区间的真实数量再自动切分(1k–2k 约 3.2 万个,2k–5k 约 2.1 万个,5k–20k 约 1 万个,2 万以上约 2300 个)。GitHub 上星标过千的公开仓库当前约 65,968 个,本站已收录 65,705 个。星标、简介、语言与主题均为 GitHub 原始字段,未做人工逐一核验。
中文介绍分三种来源,卡片与详情页均有标注:热门项目使用本站人工维护的条目;其余项目由程序依据语言、主题、简介中的特征词与项目数据自动生成;仓库原简介本身是中文时直接引用原文。自动生成的介绍只是对公开字段的归纳,不代表项目方表述,也不构成选型结论。
每日推荐按北京时间每天从星标 6000 以上、近 18 个月仍有提交且未归档的项目中选取,排除近 120 天已推荐过的项目,同一天内结果固定。推荐结果由规则引擎(或配置的大模型)生成,不构成选型结论。
每天每台设备可免费检索 3 次,浏览、筛选和关键词查找不消耗额度。选择下方任一方案即可继续(当前为模拟支付)。
模拟支付不会接入真实渠道,也不会产生任何扣款。