Startseite Projekte xLAM
xLAM
Python

xLAM

xLAM: Eine Familie von großen Aktionsmodellen zur Stärkung von KI-Agentensystemen

von SalesforceAIResearch · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
Sprache
actionstudioagentsagentstudioApache-2.0Python
Auf GitHub ansehen
In einfachen Worten

Bauen und verbessern Sie KI-Systeme mit großen Aktionsmodellen mit xLAM.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
xLAM — GitHub preview card
📈 Sternhistorie
635634
2026-07-202026-08-31
📈 xLAM verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

xLAM: Eine Familie von großen Aktionsmodellen zur Stärkung von KI-Agentensystemen

xLAM hat 634 Sterne auf GitHub. Es wurde 57-mal geforkt. xLAM ist hauptsächlich in Python geschrieben. Es wird seit 2024 aktiv entwickelt. xLAM ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: actionstudio, agents, agentstudio, llm-agent.

Frequently asked questions

Was ist xLAM?

xLAM: Eine Familie von großen Aktionsmodellen zur Stärkung von KI-Agentensystemen

Ist xLAM Open Source?

xLAM ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist xLAM kostenlos?

Ja. xLAM ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht xLAM?

xLAM ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist xLAM geschrieben?

xLAM ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — xLAM

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=salesforceairesearch-xlam)](https://olud.ai/project/salesforceairesearch-xlam.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.