SLM_Survey是一個專注於小型語言模型（SLMs）的研究項目，旨在通過調研和測量，提供對這些模型的深入瞭解和技術評估。該項目涵蓋了基於Transformer的、僅解碼器的語言模型，參數範圍在100M至5B之間。通過對59個最先進的開源SLMs進行調研，分析了它們的技術創新，並在多個領域評估了它們的能力，包括常識推理、上下文學習、數學和編程。此外，還對它們的運行時成本進行了基準測試，包括推理延遲和內存佔用。這些研究對於推動SLMs領域的研究具有重要價值。

Cheating LLM Benchmarks 是一個研究項目，旨在通過構建所謂的“零模型”（null models）來探索在自動語言模型（LLM）基準測試中的作弊行為。該項目通過實驗發現，即使是簡單的零模型也能在這些基準測試中取得高勝率，這挑戰了現有基準測試的有效性和可靠性。該研究對於理解當前語言模型的侷限性和改進基準測試方法具有重要意義。

Local Knowledge Graph是一個基於Flask的Web應用程序，它使用本地Llama語言模型來處理用戶查詢，生成逐步推理，並以交互式知識圖譜的形式可視化思考過程。它還能根據語義相似性找到並顯示相關問題和答案。該應用程序的主要優點包括即時顯示推理過程、動態知識圖譜可視化、計算並顯示最強推理路徑、以及基於語義相似性的相關問答。

SciAgentsDiscovery 是一個利用多智能體系統和大規模本體知識圖譜，自動化科學研究的系統。它通過整合大型語言模型、數據檢索工具和多智能體學習系統，能夠自主生成和完善研究假設，揭示潛在的機制、設計原則和意外材料屬性。該系統在生物啟發材料領域展示了其跨學科關係的發現能力，超越了傳統人類驅動的研究方法。

AI-Researcher 是一個基於斯坦福大學自然語言處理團隊的研究項目，旨在通過人工智能技術輔助研究創意的生成和管理。該工具通過自然語言輸入研究主題，輸出一系列項目提案，並對其進行排名和過濾，以幫助研究人員快速找到創新且可行的研究點子。它包括相關論文搜索、基於檢索的想法生成、想法去重、項目提案生成、項目提案排名和過濾等模塊。

OpenResearcher是一個先進的科學研究助手，旨在為研究查詢提供有幫助的答案。它能夠訪問arXiv語料庫，提供最新的科學見解，幫助用戶探索科學的前沿。

AI Timeline 是一個記錄人工智能領域重要技術發展時間點的開源項目。它詳細記錄了包括文生圖、文生視頻、大語言模型等在內的AI技術發展過程中的關鍵里程碑。該項目使用Vue和TypeScript開發，為AI技術愛好者和研究人員提供了一個瞭解AI歷史和發展趨勢的平臺。

IncarnaMind是一個開源項目，旨在通過大型語言模型（LLMs）如GPT、Claude和本地開源LLMs，實現與個人文檔（PDF、TXT）的交互對話。該項目利用滑動窗口分塊機制和集成檢索器，提高查詢效率，增強LLMs的準確性。它支持多文檔對話問答，突破了單文檔限制，併兼容多種文件格式和LLM模型。

SLM_Survey是一個專注於小型語言模型（SLMs）的研究項目，旨在通過調研和測量，提供對這些模型的深入瞭解和技術評估。該項目涵蓋了基於Transformer的、僅解碼器的語言模型，參數範圍在100M至5B之間。通過對59個最先進的開源SLMs進行調研，分析了它們的技術創新，並在多個領域評估了它們的能力，包括常識推理、上下文學習、數學和編程。此外，還對它們的運行時成本進行了基準測試，包括推理延遲和內存佔用。這些研究對於推動SLMs領域的研究具有重要價值。

State of AI Report 2024是由AI領域投資者Nathan Benaich和Air Street Capital共同製作的年度報告，旨在分析AI領域最有趣的發展，並引發關於AI現狀及其對未來影響的知情討論。報告涵蓋了研究、產業、政治、安全等多個維度，提供了對未來AI發展的預測和評估。這份報告是瞭解AI領域最新進展和趨勢的重要資源，對於研究人員、企業家、政策制定者以及對AI感興趣的公眾都具有極高的參考價值。

Cheating LLM Benchmarks 是一個研究項目，旨在通過構建所謂的“零模型”（null models）來探索在自動語言模型（LLM）基準測試中的作弊行為。該項目通過實驗發現，即使是簡單的零模型也能在這些基準測試中取得高勝率，這挑戰了現有基準測試的有效性和可靠性。該研究對於理解當前語言模型的侷限性和改進基準測試方法具有重要意義。

Local Knowledge Graph是一個基於Flask的Web應用程序，它使用本地Llama語言模型來處理用戶查詢，生成逐步推理，並以交互式知識圖譜的形式可視化思考過程。它還能根據語義相似性找到並顯示相關問題和答案。該應用程序的主要優點包括即時顯示推理過程、動態知識圖譜可視化、計算並顯示最強推理路徑、以及基於語義相似性的相關問答。

SciAgentsDiscovery 是一個利用多智能體系統和大規模本體知識圖譜，自動化科學研究的系統。它通過整合大型語言模型、數據檢索工具和多智能體學習系統，能夠自主生成和完善研究假設，揭示潛在的機制、設計原則和意外材料屬性。該系統在生物啟發材料領域展示了其跨學科關係的發現能力，超越了傳統人類驅動的研究方法。

AI-Researcher 是一個基於斯坦福大學自然語言處理團隊的研究項目，旨在通過人工智能技術輔助研究創意的生成和管理。該工具通過自然語言輸入研究主題，輸出一系列項目提案，並對其進行排名和過濾，以幫助研究人員快速找到創新且可行的研究點子。它包括相關論文搜索、基於檢索的想法生成、想法去重、項目提案生成、項目提案排名和過濾等模塊。

OpenResearcher是一個先進的科學研究助手，旨在為研究查詢提供有幫助的答案。它能夠訪問arXiv語料庫，提供最新的科學見解，幫助用戶探索科學的前沿。

AI Timeline 是一個記錄人工智能領域重要技術發展時間點的開源項目。它詳細記錄了包括文生圖、文生視頻、大語言模型等在內的AI技術發展過程中的關鍵里程碑。該項目使用Vue和TypeScript開發，為AI技術愛好者和研究人員提供了一個瞭解AI歷史和發展趨勢的平臺。