收集全网优质资源，精选热门GitHub项目、开源工具、实用软件、在线网站与效率工具，持续整理可用、有价值的项目和应用推荐。https://broadcastchannel-hub.pages.devhttps://broadcastchannel-hub.pages.dev/posts/5800https://broadcastchannel-hub.pages.dev/posts/5800Sat, 27 Apr 2024 10:19:43 GMT<a href="/search/result?q=%23LLAMA3" title="#LLAMA3">#LLAMA3</a> 基于LLAMA3的学术代码解读器。上传pdf格式的论文和python文件，根据论文的内容自动注释代码并导出。<br /><a href="https://github.com/liuzijian-cs/AcademicCodeAnnotator" target="_blank" rel="noopener" title="https://github.com/liuzijian-cs/AcademicCodeAnnotator">https://github.com/liuzijian-cs/AcademicCodeAnnotator</a><a class="tgme_widget_message_link_preview" href="https://github.com/liuzijian-cs/AcademicCodeAnnotator" target="_blank" rel="noopener" title="Academic Code Annotator 基于LLAMA3的学术代码解读器。上传pdf格式的论文和python文件，根据论文的内容自动注释代码并导出。欢迎大家继续优化~ - liuzijian-cs/AcademicCodeAnnotator"> <div class="link_preview_site_name accent_color">GitHub</div> <img class="link_preview_image" alt="GitHub - liuzijian-cs/AcademicCodeAnnotator: Academic Code Annotator 基于LLAMA3的学术代码解读器。上传pdf格式的论文和python文件，根据论文的内容自动注释代码并导出。欢迎大家继续优化~" src="/static/https://cdn4.telesco.pe/file/okeN1KmCPTejQKN6DqjEc4I34ywzTm5gWtojPm19v7vp58_uwk9bsbW9yoM3jXyEdYE0GYDoRRvl6vxKe__Psr7cLtfC7TIu52HW0cfvHz4r5aY6HsmAXEjH82HYtGAqvUPIty9Wrhna9raGcre1OrDdNZGCV1uJ0FdjNLlV5DcV-ueaGDrPeitjyZNV4aO7S54OtaoOdWPssrhuYWj-cjj2c_I1BF9krWkXxLCCY2tplKNoKsp-V7KwPIB6oPd-_L-Ts4gQIP8G9wKP0SHUUaXDB43RfUPMNmYGjS1WRAxsggjev-Day8CQEvl5BnJSpEQx5RwFiIRy1mtswBNisQ.jpg" width="1200" height="630" loading="eager" /> <div class="link_preview_title">GitHub - liuzijian-cs/AcademicCodeAnnotator: Academic Code Annotator 基于LLAMA3的学术代码解读器。上传pdf格式的论文和python文件，根据论文的内容自动注释代码并导出。欢迎大家继续优化~</div> <div class="link_preview_description">Academic Code Annotator 基于LLAMA3的学术代码解读器。上传pdf格式的论文和python文件，根据论文的内容自动注释代码并导出。欢迎大家继续优化~ - liuzijian-cs/AcademicCodeAnnotator</div> </a>https://broadcastchannel-hub.pages.dev/posts/5793https://broadcastchannel-hub.pages.dev/posts/5793Mon, 22 Apr 2024 10:59:42 GMT<a href="/search/result?q=%23Llama3" title="#Llama3">#Llama3</a> <mark class="highlight">Llama3</mark>-Chinese是以Meta-Llama-3-8B为底座，使用 DORA + LORA+ 的训练方法，在50w高质量中文多轮SFT数据 + 10w英文多轮SFT数据 + 2000单轮自我认知数据训练而来的大模型。<br /><a href="https://github.com/seanzhang-zhichen/llama3-chinese" target="_blank" rel="noopener" title="https://github.com/seanzhang-zhichen/llama3-chinese">https://github.com/seanzhang-zhichen/llama3-chinese</a><a class="tgme_widget_message_link_preview" href="https://github.com/seanzhang-zhichen/llama3-chinese" target="_blank" rel="noopener" title="Llama3-Chinese是以Meta-Llama-3-8B为底座，使用 DORA + LORA+ 的训练方法，在50w高质量中文多轮SFT数据 + 10w英文多轮SFT数据 + 2000单轮自我认知数据训练而来的大模型。 - seanzhang-zhichen/llama3-chinese"> <div class="link_preview_site_name accent_color">GitHub</div> <img class="link_preview_image" alt="GitHub - seanzhang-zhichen/llama3-chinese: Llama3-Chinese是以Meta-Llama-3-8B为底座，使用 DORA + LORA+ 的训练方法，在50w高质量中文多轮SFT数据 + 10w英文多轮SFT数据…" src="/static/https://cdn4.telesco.pe/file/s3jw7-807DGm-xZG7jKsn_BDV2E2qxiO19l12TgkqbsdBubI0gzbYybNxxB6FLmDsOCJ2yJxUS-zNQ-K9ALH3by4H9A31go3LNRCVJ2-nGMP-ZyV7nGteoZL9d0_0a-3d0pz8saP96Ngl_SZ3XgFgA6HOGgpvZ2RrtLhRFt4ciCD_9cdut8lL_1qvUrrLKXutNat-otLLUMGaxEkJaM6NcQC4mXSyZOblQnCzXlIMT_IW2S4Vh7bEuvYBLZrraXdUsVd22EMKx2-NTbz8aHze0KL8ALTUq0fJGfnvTXst76lxFrmOdwh6UkKXHzyrcObciu6WLakIFGFdgnTZSDTfw.jpg" width="1200" height="630" loading="eager" /> <div class="link_preview_title">GitHub - seanzhang-zhichen/<mark class="highlight">llama3</mark>-chinese: <mark class="highlight">Llama3</mark>-Chinese是以Meta-Llama-3-8B为底座，使用 DORA + LORA+ 的训练方法，在50w高质量中文多轮SFT数据 + 10w英文多轮SFT数据…</div> <div class="link_preview_description"><mark class="highlight">Llama3</mark>-Chinese是以Meta-Llama-3-8B为底座，使用 DORA + LORA+ 的训练方法，在50w高质量中文多轮SFT数据 + 10w英文多轮SFT数据 + 2000单轮自我认知数据训练而来的大模型。 - seanzhang-zhichen/<mark class="highlight">llama3</mark>-chinese</div> </a>