1、MLFlow：一套服务于机器学习全生命周期的平台
致力于让机器学习更简单、统一、高效。 新增LLM自动评估功能，可以替代人工评估。 新闻博客：https://databricks.com/blog/announcing-mlflow-28-llm-judge-metrics-and-best-practices-llm-evaluation-rag-applications-part MLFlow Github：‣ 官方文档：https://mlflow.org/docs/latest/index.html
2、LangChain推出模板功能
可以通过模板快捷地部署AI应用，其中RAG模板就有18个！ 官方新闻：https://blog.langchain.dev/langserve-hub/ GIthub：https://github.com/langchain-ai/langchain/tree/master/templates
3、LeMa：从错误中学习，让LLM更强大
一种借助GPT-4当老师的微调方法，使LLM的数学能力大幅提升。大致流程：
1）先让LLM回答数学问题，产生回答错误的数据集；
2）然后用GPT-4做老师，标注出LLM回答错误的步骤、解释回答错误的原因并生成正确答案；
3）使用第二步GPT-4生成的数据对LLM进行微调；
论文：https://arxiv.org/abs/2310.20689
Github（暂未发布代码）：https://github.com/microsoft/CodeT
4、Phind宣称他们的模型在代码能力上超越GPT-4
Phind是专注于AI写代码的应用，模型基于CodeLlama-34B训练。最近宣传他们的模型在代码能力行超越了GPT-4，而且速度快5倍。我表示怀疑。