OpenLeaderboard：毕枫林（黄温瑞、王婕、朱志伟、李鸿斌、洪贝贝、王瑞彬）

[will-ww]

No description provided.

[bifenglin]

毕枫林 邀请您参加腾讯会议
会议主题：OpenLeaderBoard启动会议
会议时间：2024/10/08 16:30-17:00 (GMT+08:00) 中国标准时间 - 北京

点击链接入会，或添加至会议列表：
https://meeting.tencent.com/dm/zwfnzqubuZ2m

#腾讯会议：967-122-380

会议事项：

1. 确认大家时间和能力.
2. open leader board 第一块大屏需求.
   3.前后端人员确认.截止日期时间确认.

[bifenglin]

第一次会议记录：

1. 大致介绍了项目基本情况和相关资源，可以参照语雀文档：https://xlab2017.yuque.com/me1x4f/pskm3z/esoqlmnkwe3r3t9z
2. 确定项目新版方针，从用户角度对产品进行设计
3. 确定三个主要任务：
   • 总需求：确定OpenLeader产品内容
   • 项目类型细分: 设定一个标签体系，针对标签体系对Github的实体进行标签工作
   • 不同类型的看板：从不同视角设定看板
4. 讨论第一个MileStone：
   • 项目类型的细分
     - 项目语言
     - 地区
   • 不同类型的看板
     - 项目
     - 社区
     - 开发者
5. 后续工作：10.15号确认人员名单，将分为项目类型的细分和不同类型的看板两个组，相关人员请在Issue中回复自己感兴趣的内容。

[wj23027]

我认领开发者看板的部分~

[Zzzzzhuzhiwei]

我认领项目类型分类的部分～

[l1tok]

我认领项目类型细分的部分~

[Kaleido66]

我认领开发者看板的部分~

[handingna]

我认领项目类型细分的部分~

[bifenglin]

第二次会议记录

会议内容

1. 完成了人员划分，详细如下：

• 开发者看板任务：wj、wrb、
• 项目类型分类任务：zzw、lhb、hbb

2. 确定初步阶段需求
   项目类型分类需求
3. 样本选择：metrics Top XXXX
4. 数据处理脚本如何实现
5. 对应的云资源需求
   看板需求
6. DataEase部署 - PoloarDB
7. 指标看板初步设计 - 仿照之前（3个）
   a. 组织级别
   b. 项目级别
   c. 开发者级别

本周任务

Opendigger、OpenLeaderBoard基础开发培训 - wj、zzw、lhb
大屏DATAEASE培训资料 - bfl
部署流程 - bfl

[bifenglin]

大屏DataEase培训资料：https://xlab2017.yuque.com/me1x4f/pskm3z/nfxe1i7utwrg8dg2

[bifenglin]

第三次会议内容

会议内容

看板需求人员安排

• 组织级别: hwr
• 项目级别: wrb
• 开发者级别: wj

时间规划

• 第一周: 样式设计
• 第二周: 看板设计
• 第三周: OpenLeaderBoard联调任务

类型分类需求人员安排

人员安排：zzw、lhb、hbb
时间规划

1. 第一周: 找到类别 - 项目样本选择
2. 第二周: 自己类别进行标签
3. 第三周: 互换进行标签
4. 第四周: OpenLeaderBoard

需求

• 标签数量级: 100-1000
• 项目样本: 自己确认

本周任务

• 类型分类需求：找到类别 - 项目样本选择
• 看板需求：样式设计

[andyhuang18]

组织级别的大屏样式设计，借鉴了木兰社区的大屏。

[bifenglin]

第四次会议内容

会议内容

看板需求人员安排
组织级别: hwr
项目级别: wrb
开发者级别: wj

第一周-样式设计：对各个看板进行汇报

类型分类需求人员安排
人员安排：zzw、lhb、hbb
时间规划

第一周- 项目样本选择、项目类别

相关内容于本周五进行文档记录汇总：
https://xlab2017.yuque.com/me1x4f/pskm3z/ezgpd9lm5rkyg3sn

本周任务：
看板需求

• 第二周: 看板数据收集上传，与大屏项目联动

类型分类

• 第二周: 自己类别进行标签

[Zzzzzhuzhiwei]

根据昨天的会议内容，对大模型领域下的仓库涉及到的不同功能、优化方法、应用场景和支持工具进行分类，以便更清晰地展示每个仓库的特点。

大模型下的仓库细分

1. 基座模型

大语言模型

GPT 系列: 用于通用自然语言处理的基础模型
GPT-Neo: EleutherAI 开源的 GPT-3 类模型
LLaMA: Meta 的 LLaMA 基座模型
T5: Google 的 T5 模型

多模态模型

CLIP: OpenAI 的图文多模态模型
BLIP: Salesforce 的图像文本对齐模型
DALL-E: OpenAI 的文本生成图像模型

2. 微调与任务导向

指令微调与人类反馈优化

Alpaca: 基于 LLaMA 的指令微调模型
Dolly: Databricks 的指令微调模型
LoRA: 轻量级自适应微调方法
trlX: 通过人类反馈的强化学习 (RLHF) 框架
Prompt Tuning: 小样本数据下的微调方案

对话式模型

OpenChatKit: 开源的对话工具包
ChatGLM: 中文对话模型 ChatGLM 系列
Vicuna: 基于 LLaMA 微调的对话模型

3. 模型优化与压缩

模型量化与高效推理

AutoGPTQ: 通用的量化方案
QLoRA: 结合量化的轻量级优化方案

剪枝

SparseGPT: 稀疏化技术 SparseGPT

分布式训练与高效框架

DeepSpeed: Microsoft 的高效分布式训练框架
Fairscale: 提供分布式训练和优化
Parallelformers: 大模型的推理加速框架

4. 应用开发框架

应用构建和工作流

LangChain: 用于大模型应用开发的框架
LlamaIndex (原 GPT Index): 构建知识库和信息检索系统的工具

向量数据库和检索系统

FAISS: 向量检索库
Weaviate: 开源向量数据库系统
Milvus: 向量数据库与检索系统

模型评估与监控

Weights & Biases: 模型监控和评估工具
OpenAI Evals: 大模型的评估框架

[andyhuang18]

我发起了一个新的 PR ，目的是使得对于所有的目标选项：企业、项目、开发者，都有对应的洞察大屏入口。数据匹配方面，我负责的企业部分已经完成了标题对应、项目总数、star总数、fork总数、mergedPR总数、issue总数、贡献者总数的数据拉取、预处理、上传对应clickhouse容器。在测试部分，点击对应的企业栏目下的大屏可以看到对应的数据。为了容灾考虑，我会将已有的数据集备份至 语雀 中。

[bifenglin]

第五次会议内容

会议内容

看板需求

组织级别: hwr
项目级别: wrb
开发者级别: wj

整体完成了设计，并且已经进行了一半指标数据制作绑定流程

类型分类需求人员

大模型应用：zzw
语言分类：lhb
项目目的分类：hbb

都已经完成了初步的标签工作

下周安排

看板需求完成指标制作绑定流程
zzw和hbb标签工作互相抽样验证。lhb设计open digger的各个标签部署到open leaderboard技术方案