SLM_Surveyは、小型言語モデル（SLMs）に特化した研究プロジェクトです。調査と計測を通じて、これらのモデルに関する深い理解と技術評価を提供することを目的としています。本プロジェクトは、Transformerベースのデコーダーのみの言語モデルを対象とし、パラメーター数は1億から50億の間です。59個の最先端のオープンソースSLMを調査し、その技術革新を分析し、常識推論、コンテキスト学習、数学、プログラミングなど複数の分野で能力を評価しました。さらに、推論遅延とメモリ使用量を含む実行時コストについてもベンチマークテストを実施しました。これらの研究は、SLM分野の研究推進に重要な価値を持ちます。

「Cheating LLM Benchmarks」は、いわゆる「ゼロモデル」を構築することで、自動言語モデル（LLM）のベンチマークにおける不正行為を調査することを目的とした研究プロジェクトです。本プロジェクトでは、実験を通じて、単純なゼロモデルでさえこれらのベンチマークで高い勝率を達成できることを発見しました。これは、既存のベンチマークの有効性と信頼性に疑問を投げかけるものです。この研究は、現在の言語モデルの限界を理解し、ベンチマーク手法を改良するために重要な意味を持ちます。

Paper Centralは、Hugging Faceが提供する包括的で使いやすい学術プラットフォームです。arXiv、Hugging Face論文ページ、モデル、データセット、Space、GitHub、会議論文集など、複数のソースからオープンソースの学術リソースを統合し、研究者や開発者がオープンソースリソースを迅速に取得して利用できるようにします。

Local Knowledge GraphはFlaskベースのWebアプリケーションです。ローカルのLlama言語モデルを使用してユーザーの問い合わせを処理し、段階的な推論を生成し、インタラクティブな知識グラフとして思考プロセスを視覚化します。また、意味的な類似性に基づいて関連する質問と回答を検索して表示します。主な利点としては、推論プロセスのリアルタイム表示、動的な知識グラフによる視覚化、最強の推論経路の計算と表示、意味的な類似性に基づいた関連するQ&Aなどが挙げられます。

AI-Researcherは、スタンフォード大学自然言語処理チームの研究プロジェクトに基づいたツールです。人工知能技術を用いて、研究アイデアの生成と管理を支援します。自然言語で研究テーマを入力すると、複数のプロジェクト提案を出力し、それらをランク付け、絞り込みを行い、研究者が革新的で実行可能な研究アイデアを迅速に見つける支援をします。関連論文検索、検索に基づくアイデア生成、アイデア重複排除、プロジェクト提案生成、プロジェクト提案のランク付けと絞り込みなどのモジュールが含まれています。

AI Timelineは、人工知能分野における重要な技術発展の時期を記録するオープンソースプロジェクトです。画像生成AI、動画生成AI、大規模言語モデルなど、AI技術の発展過程における重要なマイルストーンを詳細に記録しています。VueとTypeScriptを用いて開発されており、AI技術愛好家や研究者にとって、AIの歴史と発展トレンドを理解するためのプラットフォームを提供します。

IncarnaMindは、GPT、Claude、ローカルのオープンソースLLMなどの大規模言語モデル（LLM）を使用して、個人ドキュメント（PDF、TXT）との双方向対話を実現するオープンソースプロジェクトです。スライドウィンドウ分割メカニズムと統合検索エンジンを利用することで、検索効率の向上とLLMの精度向上を実現しています。複数ドキュメントの対話型Q&Aに対応しており、単一ドキュメントの制限を打破し、様々なファイル形式とLLMモデルに対応しています。

GraphRAG-Ollama-UIは、MicrosoftのGraphRAGをベースとしたローカルモデル対応版です。Ollamaを使用してローカルモデルをサポートしており、Gradio UIを通じてインタラクティブなユーザーインターフェースを提供することで、データ管理、クエリ実行、結果の視覚化を容易にします。主な利点としては、ローカルモデルのサポート、コスト効率の高さ、インタラクティブなユーザーインターフェース、リアルタイムのグラフ可視化、ファイル管理、設定管理、出力の探索、ログ記録などが挙げられます。

SLM_Surveyは、小型言語モデル（SLMs）に特化した研究プロジェクトです。調査と計測を通じて、これらのモデルに関する深い理解と技術評価を提供することを目的としています。本プロジェクトは、Transformerベースのデコーダーのみの言語モデルを対象とし、パラメーター数は1億から50億の間です。59個の最先端のオープンソースSLMを調査し、その技術革新を分析し、常識推論、コンテキスト学習、数学、プログラミングなど複数の分野で能力を評価しました。さらに、推論遅延とメモリ使用量を含む実行時コストについてもベンチマークテストを実施しました。これらの研究は、SLM分野の研究推進に重要な価値を持ちます。

AIレポート2024は、AI分野の投資家であるNathan Benaich氏とAir Street Capitalが共同で作成する年次レポートです。AI分野における最も興味深い進歩を分析し、AIの現状とその将来への影響に関する情報に基づいた議論を促すことを目的としています。研究、産業、政治、安全保障など複数の側面を網羅し、将来のAI発展予測と評価を提供します。このレポートは、AI分野の最新動向とトレンドを理解するための重要な情報源であり、研究者、起業家、政策立案者、そしてAIに関心のある一般の方々にとって、非常に高い参考価値があります。

「Cheating LLM Benchmarks」は、いわゆる「ゼロモデル」を構築することで、自動言語モデル（LLM）のベンチマークにおける不正行為を調査することを目的とした研究プロジェクトです。本プロジェクトでは、実験を通じて、単純なゼロモデルでさえこれらのベンチマークで高い勝率を達成できることを発見しました。これは、既存のベンチマークの有効性と信頼性に疑問を投げかけるものです。この研究は、現在の言語モデルの限界を理解し、ベンチマーク手法を改良するために重要な意味を持ちます。

Paper Centralは、Hugging Faceが提供する包括的で使いやすい学術プラットフォームです。arXiv、Hugging Face論文ページ、モデル、データセット、Space、GitHub、会議論文集など、複数のソースからオープンソースの学術リソースを統合し、研究者や開発者がオープンソースリソースを迅速に取得して利用できるようにします。

Local Knowledge GraphはFlaskベースのWebアプリケーションです。ローカルのLlama言語モデルを使用してユーザーの問い合わせを処理し、段階的な推論を生成し、インタラクティブな知識グラフとして思考プロセスを視覚化します。また、意味的な類似性に基づいて関連する質問と回答を検索して表示します。主な利点としては、推論プロセスのリアルタイム表示、動的な知識グラフによる視覚化、最強の推論経路の計算と表示、意味的な類似性に基づいた関連するQ&Aなどが挙げられます。

AI-Researcherは、スタンフォード大学自然言語処理チームの研究プロジェクトに基づいたツールです。人工知能技術を用いて、研究アイデアの生成と管理を支援します。自然言語で研究テーマを入力すると、複数のプロジェクト提案を出力し、それらをランク付け、絞り込みを行い、研究者が革新的で実行可能な研究アイデアを迅速に見つける支援をします。関連論文検索、検索に基づくアイデア生成、アイデア重複排除、プロジェクト提案生成、プロジェクト提案のランク付けと絞り込みなどのモジュールが含まれています。

AI Timelineは、人工知能分野における重要な技術発展の時期を記録するオープンソースプロジェクトです。画像生成AI、動画生成AI、大規模言語モデルなど、AI技術の発展過程における重要なマイルストーンを詳細に記録しています。VueとTypeScriptを用いて開発されており、AI技術愛好家や研究者にとって、AIの歴史と発展トレンドを理解するためのプラットフォームを提供します。

IncarnaMindは、GPT、Claude、ローカルのオープンソースLLMなどの大規模言語モデル（LLM）を使用して、個人ドキュメント（PDF、TXT）との双方向対話を実現するオープンソースプロジェクトです。スライドウィンドウ分割メカニズムと統合検索エンジンを利用することで、検索効率の向上とLLMの精度向上を実現しています。複数ドキュメントの対話型Q&Aに対応しており、単一ドキュメントの制限を打破し、様々なファイル形式とLLMモデルに対応しています。