GraphRAG – Llama 3.1 和 Neo4j 本影片介紹如何使用開源模型執行 GraphRAG – Llama 3.1 和 Neo4j 作為圖形資料庫 Local GraphRAG with LLaMa 3.1 - LangChain, Ollama & Neo4jWatch this video on YouTube
SmolLM – 全開源模型 – 速度極快且功能強大 透過開源和開放科學來推進人工智慧並使之民主化模型在各種基準、測試常識推理和世界知識的規模類別中均優於其他模型 數據集包括 3000 萬份教科書、部落格文章及故事組成。
GraphRAG 提升全面性和多样性 智能問答系統：GraphRAG 能夠提高智能問答系統的準確性，提供多樣化的答案選項，大幅提升用戶體驗。 自動文本摘要：GraphRAG 能夠實現高效、準確的摘要生成，捕捉文本核心觀點，生成簡潔的摘要。 知識管理：GraphRAG 將成為企業和研究机构的重要工具，幫助構建企業級知識圖譜，提升内部知識資源管理和利用效率。 (英)Welcome to GraphRAG👉 Microsoft Research Blog Post 👉 GraphRAG Accelerator 👉 GitHub Repository 👉 GraphRAG Arxiv
SenseVoice 具有音頻理解能力的音頻基礎模型 語音識別（ASR）、語種識別（LID）、語音情感識別（SER）和聲學事件分類（AEC）或聲學事件檢測（AED）在多個任務測試集上的benchmark，以及體驗模型所需的環境安裝的與推理方式。 Mac M1 上實測，廣東話夾英文一齊都好準，不過出嘅係簡體中文！
LlamaIndex：用 Colab 建立向量資料庫 (RAG) (英)官方教學 Building RAG from Scratch (Open-source only!)本教程展示如何建立向量資料庫，建立檢索管道。值得注意的是，這是個完全開源的方案
MoA : 合拼多模型 (英)MoA 允許您將多個小型模型（稱為「代理人」）组合成一個更強大的模型。透過採用每層包含多個 LLM 代理程式的分層架構，MoA 僅使用開源模型，在 AlpacaEval 2.0 上的得分為 65.1%，顯著優於 GPT-4 Omni 的 57.5%！
whisper.cpp v.1.6.2 源碼: Speech To Text 輕量級模型 輕量級的模型實現可以輕鬆地將其整合到不同的平台和應用程式中可以在非常短時間內將音訊轉錄為文字… 如何在 Mac 上安裝 Whisper，一款令人驚嘆的 OpenAI 語音轉文字辨識系統 進楷優化 更快、更小的 Whisper：深入研究量化和 Torch 編譯本文透過批次加速，增強基於 PyTorch 的 Whisper 模型性能。透過利用透過轉換器、實現靜態快取以及利用torch.compile，顯著加快模型的推理速度。此外，使用HQQ將 Whisper 模型量化為 4 位，以最小的降級保持轉錄質量，正如字錯誤率 (WER) 基準評估的那樣。 微調前後
