网不好，频道今天不更了。
黑洞资源笔记
-
- LLM.swift：一个简单易读的库，允许用户在macOS、iOS、visionOS、watchOS和tvOS上轻松与本地大型语言模型(LLM)进行交互
- LLMOps with Prompt flow：LLMOps 模板和指南，帮助使用 Prompt Flow 构建LLM注入的应用，支持集中代码托管、生命周期管理、变体和超参数实验、A/B 部署、全部运行和实验的报告等
- BlackJAX是一个基于Python和JAX的库，用于实现贝叶斯计算中常用的采样和变分推断算法。
该库通过函数式编程方法提高了易用性、速度和模块化，使得统计‘原子’能够灵活组合以执行精确的贝叶斯推断。其核心特色在于支持构建复杂采样方法和推断模型，尤其适合需要尖端方法的用户、研究人员和有志于深入理解这些方法的人。
BlackJAX的设计原则强调了纯函数式结构以简化并行化，并提供了低级API，使用户能够实现定制的复杂方法。BlackJAX鼓励重新引入结构感知算法，以适应现代模型推断的需求。 - ComfyUI Portrait Master：ComfyUI的Portrait Master节点，旨在帮助AI图像创作者生成人像提示。提供多种参数控制，如头像类型、性别、种族、眼睛颜色、头发风格等，与SDXL和LCM等工作流兼容性。提供了一套完整的工作流程，可在不同的环境中生成高分辨率图像
- LLM for Book Summarization & Q\A : 用大型语言模型(LLM)对书籍和其他长文本进行摘要和问答
- Upsy: 开源的Slack机器人，记住你的对话，以便在你有问题时提供快速、准确的答案。
其主要特色包括统一内存、隐私保护、回溯工作以及通过直接消息添加数据等。
采用Node.js作为后端、OpenAI API进行AI集成、Upstash Vector和Upstash Redis进行数据存储，以及Langchain进行LLM编排。部署简单，定制性强。 - 一个提示优化框架，旨在增强和完善提示，以适应实际应用场景。
该框架自动生成高质量、详细的提示，通过迭代构建具有挑战性的边界案例数据集，并进行优化。
AutoPrompt不仅减少了提示工程的手动工作量，还有效解决了常见问题，如提示敏感性和内在提示模糊性。
AutoPrompt | #框架 - Wallos：开源个人订阅跟踪器，一款强大、开源、可自托管的网络应用，旨在轻松管理财务。
特征
订阅管理：跟踪你的定期订阅和付款，确保不会错过到期日。
类别管理：将支出分为可定制的类别，使你能够深入了解自己的消费习惯。
多货币支持：Wallos 支持多种货币，允许你以你选择的货币管理你的财务。
货币换算：与 Fixer API 集成，以便你可以获得汇率并查看主要货币的所有订阅。
数据隐私：作为一个自托管应用程序，Wallos 确保你的财务数据在你自己的服务器上保持私密和安全。
定制：通过可定制的类别、货币、主题和其他显示选项，根据你的需求定制 Wallos。
排序选项：允许从不同的角度查看你的订阅。
徽标搜索：如果你没有可供上传的订阅徽标，Wallos 可以在网络上搜索你的订阅徽标。
移动视图：还在开发中。
统计数据：了解你的支出的另一个视角。
通知：通过电子邮件收到即将付款的通知。
多语言支持。 - 由Mixtral-8x7B-Instruct-v0.1生成的合成数据集，包含超过30亿Token，涵盖了教科书、博客、故事等各种文本类型。
数据集包含8个子集，涵盖了多个主题，如网络样本、斯坦福课程大纲、故事、WikiHow文章等。
通过使用不同样式和受众，以及精心设计的提示，增加了内容的多样性和信息熵。通过MinHash去重，仅有不到1%的重复样本。还通过去污染流程，排除了来自测试基准的样本，保证数据的干净性。
该数据集可用于研究合成数据领域，促进人工智能相关研究的发展。
Cosmopedia | #数据集 -
-
-
