Der Code unseres Papiers "InfLLM: Enthüllung der intrinsischen Kapazität von LLMs zum Verständnis extrem langer Sequenzen mit trainingfreier Speicherung"
Erforschen Sie die Fähigkeiten großer Sprachmodelle zum Verständnis langer Sequenzen, ohne umfangreiche Schulungen zu benötigen.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarDer Code unseres Papiers "InfLLM: Enthüllung der intrinsischen Kapazität von LLMs zum Verständnis extrem langer Sequenzen mit trainingfreier Speicherung"
InfLLM hat 407 Sterne auf GitHub. Es wurde 40-mal geforkt. InfLLM ist hauptsächlich in Python geschrieben. Es wird seit 2024 aktiv entwickelt. InfLLM ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: large-language-models, llm, long-context, training-free.
Der Code unseres Papiers "InfLLM: Enthüllung der intrinsischen Kapazität von LLMs zum Verständnis extrem langer Sequenzen mit trainingfreier Speicherung"
InfLLM ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ja. InfLLM ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
InfLLM ist unter der MIT-Lizenz verfügbar.
InfLLM ist hauptsächlich in Python geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/thunlp-infllm.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.