使用场景

研究人员使用AutoLabel工具清洗和丰富文本数据集

开发者利用LLaMA-Factory框架对模型进行微调以适应特定任务

企业通过CompassArena平台评估不同语言模型的性能，选择最适合的模型部署到产品中

产品特色

提供大规模数据获取和处理方法，如AutoLabel、LabelLLM等工具

汇总了多种微调框架和库，例如LLaMA-Factory、unsloth等

包含多种推理引擎和库，如ollama、Open WebUI等

提供评估语言模型性能的工具和平台，例如lm-evaluation-harness、opencompass等

汇总了实际应用案例和体验平台，如LMSYS Chatbot Arena、CompassArena等

提供RAG（Retrieval-Augmented Generation）相关的资源和工具，如AnythingLLM、MaxKB等

汇总了基于LLM的智能体和代理框架，如AutoGen、CrewAI等

提供搜索和信息检索相关的LLM工具和平台，如OpenSearch GPT、MindSearch等

使用教程

1. 访问awesome-LLM-resourses网站，浏览不同的资源和工具

2. 根据需求选择相应的数据获取、微调、推理或评估工具

3. 点击感兴趣的工具链接，查看详细介绍和使用说明

4. 如需微调模型，选择适合的微调框架并按照指南进行操作

5. 使用推理引擎对模型进行部署，并根据需要调整参数以优化性能

6. 利用评估工具对模型进行性能测试，确保模型达到预期效果

7. 将模型应用于实际问题中，如聊天机器人、文本分类等

8. 通过社区和论坛分享使用经验和改进建议，共同推动LLM技术的发展