返回首页
最新
我们创建MALLM是因为现有的多智能体辩论（MAD）工具包通常无法完全控制多智能体讨论的各个部分。MALLM允许您自由组合每个可变部分：
1. 人物角色（专家 / 个性 / …）
2. 反应生成器（批判性 / 推理风格 / …）
3. 讨论范式（记忆 / 中继 / …）
4. 决策协议（投票 / 共识 / …）
我们提供了144种以上的开箱即用配置，所有配置都在一个YAML文件中定义。需要更多配置？可以子类化并添加您自己的组件。
您可能关心的其他功能：
1. 可以与任何基于文本的HuggingFace数据集连接（我们已经在MMLU-Pro、WinoGrande等上进行了测试）。
2. 自带评估管道，您可以在不编写额外脚本的情况下进行A/B辩论策略测试。
3. 纯Python，Apache 2.0许可证。
仓库： [https://github.com/Multi-Agent-LLMs/mallm](https://github.com/Multi-Agent-LLMs/mallm)
欢迎反馈和PR，特别是我们尚未尝试的任务基准！
演示： [https://mallm.gipplab.org/](https://mallm.gipplab.org/)
嘿，HN！<p>Nudge 每分钟捕捉一次你的屏幕，并利用 GPT-4o 检测你何时分心。你可以描述你想要专注的工作内容（例如：“在 GitHub 上审查 PR 20 分钟”），当 Nudge 发现你在做其他事情时会发出警报。<p>我之所以开发 Nudge，是因为我在工作中容易分心。我使用它已经几个星期了，我可以说我的拖延减少了 20-30%。 （这部分是因为 Nudge 迫使我将一天的工作分解成小而具体的活动。）<p>AI 检测的效果可以非常好，但这取决于你描述目标的清晰程度。例如，“我想回复我的老板”就不好，而“我想在 Gmail 上写回复”就好。了解大型语言模型（LLM）的行为会有很大帮助。（可以在这里查看系统提示：<a href="https://github.com/felipap/nudge/blob/main/src/lib/ai/assess-flow.ts">https://github.com/felipap/nudge/blob/main/src/lib/ai/assess...</a>)<p>截图是非常敏感的数据，所以我决定将其开源，并采用 BYOM（“自带模型”）的方式。目前你需要提供自己的 OpenAI API 密钥。我意识到并不是每个人都有密钥，因此很希望能尽快支持其他 AI 后端。<p>我很高兴能分享这个项目，并希望能收到关于其工作效果的反馈（包括 AI 准确性和用户体验）。感谢阅读！
在Formester，我们面临一个问题。我们超过50%的时间都花在了客户支持上。<p>客户的问题主要是关于如何在应用程序中执行某些操作，而这些内容我们已经通过视频、博客和文档进行了很好的记录。<p>为此，我创建了Chakam。我们开始在内部使用它，并且也在寻找其他中型到大型组织，以便他们能够从中受益。<p>主要特点：<p>- 在您自己的/专用基础设施上运行<p>- 使用流行的LLM或自托管的LLM<p>- 与流行的聊天应用程序集成，以便您可以直接在Intercom等平台上使用<p>- 每月提供关于知识库中存在的知识空白的报告<p>我希望向您展示我所构建的内容，并了解它是否能为您的业务带来帮助。