Introdução geral
O Awesome-LLM-Strawberry é um repositório de código aberto com foco em modelos de linguagem grande (LLMs) e suas técnicas de raciocínio. Ele foi criado por hijkzzz para coletar e organizar artigos de pesquisa, blogs e projetos relacionados à OpenAI e ao seu modelo Strawberry (o1). O repositório é atualizado constantemente para acompanhar o progresso mais recente no campo do raciocínio de LLMs, fornecendo uma fonte rica de material de referência para pesquisadores e desenvolvedores.
Lista de funções
- Coleta e agrupamento de documentos de pesquisa relacionados ao modelo OpenAI Strawberry (o1)
- Fornece links para blogs e projetos relacionados a técnicas de inferência LLM
- Atualizações contínuas para acompanhar os últimos avanços no campo da inferência LLM
- Fornece links para a documentação oficial do OpenAI e recursos relacionados.
- Contém artigos e projetos em diversas áreas de pesquisa, como prova automatizada de teoremas, prompts de raciocínio em cadeia, modelos autocríticos de LLM etc.
Usando a Ajuda
- Encontre um trabalho de pesquisaNa página inicial do repositório ou em um arquivo README, procure uma área de pesquisa de seu interesse, como prova automatizada de teoremas ou dicas de raciocínio em cadeia. Clique no link apropriado para acessar a página específica do artigo ou do projeto.
- Leia blogs e projetosNo arquivo README, há links para blogs e projetos relacionados às técnicas de inferência LLM. Clique nos links para ler os detalhes e conhecer os últimos avanços em pesquisa e aplicações tecnológicas.
- Uso de recursos da OpenAINo repositório, você pode encontrar links para a documentação oficial da OpenAI e recursos relacionados. Clique nos links para visitar a plataforma OpenAI e obter mais documentação técnica e guias do desenvolvedor.
- Participação em discussões e contribuiçõesParticipe das discussões do projeto e compartilhe suas percepções e sugestões por meio dos recursos Problemas ou Discussões do GitHub. Você também pode contribuir com novos recursos e sugestões de melhoria enviando um Pull Request.