llms_tool: 一个基于HuggingFace开发的大语言模型训练、测试工具。支持各模型的webui、终端预测

作者 stanleylsx · AI 工具 · ★ 226

最后更新: · 由 Agent Skills Hub 收录 · 每 8 小时同步一次

安全审计结论:安全 · 质量分 60/100

42 条规则都没有命中:没有凭证窃取,没有数据外泄,没有 curl | sh 式安装。按慢雾(SlowMist)agent 安全分类法建立的 42 条公开规则扫描,每 8 小时更新一次。

质量分综合九项启发式检查:完整度、清晰度、具体程度、示例、结构、对 agent 的友好度、分步内容、指令质量和安全提示。它衡量的是项目把自己讲清楚的程度,不是代码质量。

aquilaaquila2baichuanbaichuan2bloomchatglmchatglm2chatglm3deepspeedfalcon

基本信息

Star 数226
Fork 数20
语言Python
分类AI 工具
许可证Apache-2.0
质量分60/100
未关闭的 Issue2
最后更新2023-12-08
创建时间2023-07-20
支持平台browser, python
估计 Token 数~657k

关于 llms_tool

LLMs Tool Introduction 一个基于🤗HuggingFace开发的大语言模型训练、测试工具。支持不同模型的webui、终端预测,支持各模型的低参数量及全参数模型的预训练、奖励模型训练以及RLHF训练(PPO和DPO两种方法)。同时支持deepspeed分布式训练。 作者习惯于把配置和要做的事情都写在一个配置文件里面,然后以一个主函数作为入口直接运行,所以才有了这个项目,喜欢指令的朋友们可以改回去使用。 Updates Date| Detail :| 2023-10-30|通过attentionsinks支持StreamingLLM 2023-10-25|基于sentencepiece实现词表扩充功能 2023-10-24|支持使用NEFTune对LLM进行noise tune 2023-10-09|增加扩充词表后Embedding初始化方式...

llms_tool 的替代品:最接近的 6 个工具

想找 llms_tool 的替代品?在 Agent Skills Hub 收录的 AI 工具里,下面 6 个项目和它最接近,按话题重合度、星数和社区热度排序。

  • Awesome-LLM-Eval 作者 onejune2018 · ⭐ 658

    Awesome-LLM-Eval: a curated list of tools, datasets/benchmark, demos, leaderboard, papers, docs and models, ma

  • KG_RAG 作者 BaranziniLab · ⭐ 947

    Empower Large Language Models (LLM) using Knowledge Graph based Retrieval-Augmented Generation (KG-RAG) for kn

  • LLM-Finetuning-Toolkit 作者 georgian-io · ⭐ 870

    Toolkit for fine-tuning, ablating and unit-testing open-source LLMs.

  • aicommit2 作者 tak-bro · ⭐ 532

    A Reactive CLI that generates commit messages for Git and Jujutsu with Ollama, ChatGPT, Gemini, Claude, Mistra

  • mlx-llm 作者 riccardomusmeci · ⭐ 468

    Large Language Models (LLMs) applications and tools running on Apple Silicon in real-time with Apple MLX.

  • WorkflowAI 作者 WorkflowAI · ⭐ 467

    WorkflowAI is an open-source platform where product and engineering teams 
collaborate to build and iterate on

更多 AI 工具

其他热门的 AI 工具:

查看全部 AI 工具 →

热门 Python Agent 工具

这个安全评级是怎么来的

评级来自基于 SlowMist agent 安全分类法的规则扫描:42 条公开规则,覆盖凭证窃取、数据外泄、curl | sh 安装等。它是第一层扫描,不是人工审计 — 我们如实说明,不夸大。

问题规模有独立研究佐证:Liu et al. (2026) 对 31,132 个 agent skill 的研究发现,26.1% 含有安全漏洞。我们自己的全目录普查已作为可引用的开放数据集发布。

信源与负责人:

在 GitHub 上查看 → 浏览 AI 工具