LLocalSearch是一个完全本地运行的搜索聚合器，它利用LLM代理来工作。用户只需提出问题，系统就会通过一系列LLM来寻找答案。在这个过程中，用户还可以查看代理的进度以及最终的答案。值得一提的是，使用LLocalSearch无需OpenAI或Google的API密钥。 特点： 🕵️ 完全本地化操作，无需任何API... 阅读全文

Vocode是一个开源库，它使得构建基于语音的LLM应用变得简单。使用Vocode，你可以构建实时的流式对话，并与LLM进行交互，然后将其部署到电话通话、Zoom会议等场景中。你还可以构建个人助手或像语音象棋这样的应用。Vocode提供了简洁的抽象和集成方式，让你所需的一切功能都集成在一个库中。 官网：https://... 阅读全文

Replexica是一个强大的AI驱动的i18n引擎，专为构建多语言React应用而生。它分为两个部分，让应用的多语言支持变得简单而高效。 一、Replexica编译器 这是一个开源的React编译器插件，轻松集成到你的开发流程中。 二、Replexica云 这是一个云端的人工智能引擎，负责实时翻译，确保内容的准确性和... 阅读全文

NeMo Guardrails是一个开源工具包，用于轻松地为基于LLM（大语言模型）的会话应用程序添加可编程的防护栏。防护栏（简称“rails”）是控制大型语言模型输出的特定方式，例如避免谈论政治话题、以特定方式回应用户的特定请求、遵循预定义的对话路径、使用特定的语言风格、提取结构化数据等。... 阅读全文

Plandex是一款基于终端的开源人工智能编码引擎，旨在协助你高效完成大型任务，解决输出问题，并提升生产力。它利用长期运行的代理来执行涉及多个文件和多个步骤的复杂任务。Plandex能够将这些大型任务分解为若干个小任务，然后逐一实现，直至整个任务完成。这款工具能够帮助你快速处理待办事项，应对不熟悉的技术挑战，克服难题，... 阅读全文

研究团队推出评估框架CodeEditorBench，它专门设计用来测试和评估大型语言模型（LLMs）在代码编辑任务上的表现。想象一下，你有一个智能的编程助手，它可以帮你调试代码中的错误、将代码从一种编程语言翻译成另一种、优化代码性能，甚至根据新的需求来调整代码功能。CodeEditorBench就是这样一个平台，它可以... 阅读全文

这篇论文的主题是关于对大型语言模型（LLMs）和多模态大型语言模型（MLLMs）进行所谓的“越狱攻击”（jailbreak attacks）的安全性评估。想象一下，你有一个非常听话的机器人，你告诉它做什么它就会做什么，但是这个机器人有一些内置的安全规则，防止它做出有害的行为。然而，有些人可能会尝试欺骗这个机器人，让它做... 阅读全文

智谱AI和清华大学的研究人员推出智能网络导航代理AutoWebGLM，这是一个强大的网络浏览自动化工具，它通过学习和模仿人类的浏览行为，能够在互联网上高效地完成各种复杂的任务。想象一下，有一个虚拟助手，它能够像人类一样在互联网上浏览网页，帮助我们完成各种任务，比如搜索信息、购物、阅读新闻等。AutoWebGLM就是这样... 阅读全文

谷歌DeepMind和Anthropic发布论文探讨了直接在神经压缩文本上训练大语言模型（LLMs）的方法。想象一下，你有一个能读懂和生成文本的智能系统，但现在我们想让这个系统更加高效，不仅能处理更多信息，还能更快地学习和生成文本。为了实现这一点，研究者们尝试了一种新的方法，即在文本被压缩成更小的体积后，直接在这个压缩... 阅读全文

来自Meta和伊利诺伊大学厄巴纳-香槟分校的研究人员推出新型点云扩散模型PointInfinity，这是一种用于生成三维点云的人工智能技术。点云是描述三维空间中物体形状的一种数据形式，由许多点组成，每个点都有自己的位置信息。想象一下，你有一个复杂的物体，比如一个雕塑，PointInfinity能够通过从低分辨率的点云数... 阅读全文

来自英特尔实验室和微软亚洲的研究人员推出交互式工具LVLM-Interpret，它旨在帮助人们更好地理解和解释大型视觉-语言模型（LVLM）的内部工作机制。想象一下，你正在使用一个能够同时处理图像和文本的智能系统，你可能想知道这个系统是如何得出特定答案的。LVLM-Interpret就是用来揭示这些模型背后的逻辑和决策... 阅读全文

来自阿卜杜拉国王科技大学和哈佛大学推出多模态大语言模型MiniGPT4-Video，它专门设计用于视频理解，它通过结合视觉和文本数据，能够有效地理解和回应视频中的信息，为视频内容的智能分析和交互提供了新的可能性。想象一下，你在看一个视频，想要一个智能系统不仅能理解视频中的图像内容，还能理解视频中的文字对话。MiniGP... 阅读全文