项目介绍:Awesome-LM-SSP
概述
Awesome-LM-SSP 是一个专注于大型模型(LMs)在可信度方面的多维度资源合集,尤其是涉及多模态的大型模型,诸如视觉-语言模型和扩散模型等。这个项目现阶段正在进行中,目前主要通过人工收集方式整合相关资源。
特色标签
项目根据不同模型和应用的特性,设置了丰富的标签系统:
-
模型类型:
- LLM(大型语言模型)
- VLM(视觉-语言模型)
- SLM(语音-语言模型)
- Diffusion(扩散模型)
-
注释类别:
- Benchmark:基准测试
- New dataset:新数据集
- Agent:代理
- CodeGen:代码生成
- Defense:防御
- RAG:随机访问生成
- Chinese:中文
-
发布平台:
- conference:会议
- blog:博客
- OpenAI
- Meta AI
资源推荐
项目接受资源推荐,如果有相关资源可以通过 GitHub Issues 提交建议。提交格式需要包括标题、链接、代码、发布平台、分类、模型和注释等信息。
最新动态
- 2024年8月17日:从 ACL'24 收集了 34 篇相关论文。
- 2024年5月13日:从 S&P'24 收集了 7 篇相关论文。
- 2024年4月27日:调整了类别分类。
- 2024年1月20日:从 NDSS'24 收集了 3 篇相关论文。
- 2024年1月17日:从 ICLR'24 收集了 108 篇相关论文。
- 2024年1月9日:LM-SSP 正式发布!
资源收集