Explorar skills

Um framework para embeddings de última geração de frases, textos e imagens, que oferece mais de 5000 modelos pré-treinados para similaridade semântica, agrupamento e recuperação. Suporta modelos multilingues, específicos de domínio e multimodais, sendo ideal para gerar embeddings em produção para RAG, busca semântica ou tarefas de similaridade.

Framework PyTorch de alto nível com classe Trainer, treinamento distribuído automático (DDP/FSDP/DeepSpeed), sistema de callbacks e boilerplate mínimo. Escala de laptop a supercomputador com o mesmo código, ideal para loops de treinamento limpos com as melhores práticas integradas.

Método da Anthropic para treinar IA inofensiva via autoaperfeiçoamento. Utiliza uma abordagem de duas fases: aprendizado supervisionado com autocrítica/revisão e RLAIF, para alinhamento de segurança e redução de saídas prejudiciais sem rótulos humanos, alimentando o sistema de segurança do Claude.

Processamento de dados escalável para cargas de trabalho de ML com execução em streaming em CPU/GPU, suportando vários formatos como Parquet/CSV/JSON/imagens. Ele se integra com Ray Train, PyTorch e TensorFlow, escalando de uma única máquina para centenas de nós para tarefas como inferência em lote, pré-processamento de dados e pipelines ETL distribuídos.

Garante estrutura JSON/XML/código válida durante a geração, usa modelos Pydantic para saídas com segurança de tipo, suporta modelos locais (Transformers, vLLM) e maximiza a velocidade de inferência com Outlines - a biblioteca de geração estruturada da dottxt.ai.

Um framework de pré-treinamento visão-linguagem que conecta codificadores de imagem congelados e LLMs. Utilize-o para legendagem de imagens, resposta a perguntas visuais, recuperação imagem-texto ou chat multimodal com desempenho zero-shot de ponta.

Fornece orientação para treinamento de RL de nível empresarial usando miles, um fork de slime pronto para produção. Use ao treinar grandes modelos MoE com FP8/INT4, precisando de alinhamento treino-inferência ou exigindo RL especulativa para máxima vazão.

Um Assistente de Linguagem e Visão Grande que permite o ajuste de instruções visuais e conversas baseadas em imagens. Ele combina um codificador de visão CLIP com modelos de linguagem Vicuna/LLaMA, suportando chat de imagem multi-turno, resposta a perguntas visuais e seguimento de instruções para análise conversacional de imagens.

Acelere a inferência de LLMs usando decodificação especulativa, múltiplas cabeças Medusa e técnicas de decodificação lookahead. Isso otimiza a velocidade de inferência (ganho de 1.5-3.6x), reduz a latência para aplicações em tempo real e é útil para implantar modelos com computação limitada.

Fornece orientação para treinar e analisar Autoencoders Esparsos (SAEs) usando SAELens para decompor ativações de redes neurais em características interpretáveis. Utilize ao descobrir características interpretáveis, analisar superposição ou estudar representações monossemânticas em modelos de linguagem.

Geração de texto para imagem de última geração com modelos Stable Diffusion via HuggingFace Diffusers. Use ao gerar imagens a partir de prompts de texto, realizar tradução de imagem para imagem, inpainting ou construir pipelines de difusão personalizados.

Instâncias de GPU em nuvem reservadas e sob demanda para treinamento e inferência de ML. Use quando precisar de instâncias de GPU dedicadas com acesso SSH simples, sistemas de arquivos persistentes ou clusters multi-nó de alto desempenho para treinamento em larga escala.