🏆 基座模型
①项目：阿里云Qwen2.5
★Qwen2.5是由阿里云Qwen团队开发的大型语言模型系列。训练数据从Qwen2的7T tokens 扩展到了Qwen2.5的18T tokens；该系列模型包括多种尺寸，从0.5B到72B不等，支持29种语言；上下文最大长度128K，其中超过32K的部分利用YARN来进行外推处理，并且最大生成长度8K。Qwen2.5在指令跟随、生成结构化输出和多语言支持方面有显著改进，适用于各种自然语言处理任务。同时还开源了Qwen2.5-Coder模型和Qwen2.5-Math模型。
☆一键收藏：
https://sota.jiqizhixin.com/project/qwen2-5
②项目：Moshi
★Moshi是一个语音文本基础模型和全双工语音对话框架。它使用最先进的流式神经音频编解码器Mimi，能够以1.1 kbps的带宽处理24 kHz的音频，延迟仅为80ms。Moshi通过两个音频流进行工作，一个对应于Moshi，另一个对应于用户。Moshi预测其自身语音的文本标记，从而显著提高生成质量。该项目在L4 GPU上实现了低至200ms的实际总体延迟。
☆一键收藏：
https://sota.jiqizhixin.com/project/moshi
🤖 Agent开发
①项目：Windows Agent Arena
★Windows Agent Arena (WAA) 是一个可扩展的Windows操作系统平台，用于测试和基准评估多模态AI智能体。WAA为研究人员和开发人员提供了一个可重复和现实的Windows操作系统环境，在这里可以测试agentAI工作流，涵盖各种任务。WAA支持使用Azure ML云基础设施进行大规模agent部署，允许并行运行多个agent，并在几分钟内为数百个任务提供快速基准结果。
☆一键收藏：
https://sota.jiqizhixin.com/project/windows-agent-arena
🛠️必备工具
①项目：ReflectionAnyLLM
★ReflectionAnyLLM 是一个轻量级的概念验证项目，旨在展示如何与任何支持 OpenAI 兼容 API 的大语言模型（LLM）进行基本的链式推理交互。该项目可以与本地或远程的 LLM 进行接口，允许用户在不同的提供商之间进行最小设置的切换。
☆一键收藏：
https://sota.jiqizhixin.com/project/reflectionanyllm
②项目：LLM-Engines
★LLM-Engines 是一个统一的大语言模型（LLM）推理引擎，支持包括开源模型（如 VLLM、SGLang、Together）和商业模型（如 OpenAI、Mistral、Claude）。通过比较不同引擎在相同参数下的输出，验证了推理的正确性。用户可以通过简单的API调用不同的模型进行推理。
☆一键收藏：
https://sota.jiqizhixin.com/project/llm-engines
③项目：Subspace-Tuning
★Subspace-Tuning 是一个通用框架，旨在通过子空间调优方法实现参数高效的微调。该项目的目标是通过最小化对原始参数的更改，适应大型预训练模型以执行特定任务。它通过识别最优权重在子空间上的最大投影来实现这一目标。该项目为研究人员和从业者提供了丰富的资源，便于集成到各自的项目中。
☆一键收藏：
https://sota.jiqizhixin.com/project/Subspace-Tuning
👋网页端访问：https://sota.jiqizhixin.com
