WarriorCoder
WarriorCoder是由华南理工大学与微软联合开发的代码生成大语言模型，采用专家对抗机制生成高质量训练数据，无需依赖专有模型或数据集。它具备代码生成、优化、调试、推理及多语言支持等功能，在代码生成、库使用等任务中达到SOTA性能，适用于自动化开发、教育辅助及跨语言转换等场景。模型通过Elo评分系统和裁判评估确保训练数据质量，提升泛化能力与多样性。
模型
Perception
Perception-as-Control是由阿里巴巴通义实验室开发的图像动画框架，支持对相机和物体运动的细粒度控制。它基于3D感知运动表示，结合U-Net架构的扩散模型，实现多种运动相关的视频合成任务，如运动生成、运动克隆、转移和编辑。通过三阶段训练策略，提升运动控制精度和稳定性，适用于影视、游戏、VR/AR、广告及教育等多个领域。
PromptWizard
PromptWizard是一款由微软研发的自动化提示优化框架，专注于提升大型语言模型在特定任务中的表现。其核心技术包括自我演变、自我适应以及反馈驱动的批评与合成，通过迭代优化提示指令和上下文示例，显著增强模型的准确性和效率。PromptWizard适用于多种应用场景，如情感分析、智能教育助手、医疗诊断支持、法律文档分析及客户服务自动化等，助力各行业实现更高效的智能化操作。
PromptBench
一个基于 Pytorch 的 Python 包，用于评估和理解大型语言模型的统一库。它为研究人员提供了用户友好的 API，以便对 LLM 进行评估。
