Custom Vision ist ein maschinelles Lernservice von Azure AI, das Nutzern die Möglichkeit gibt, benutzerdefinierte Modelle zu erstellen, zu trainieren und bereitzustellen, die spezifische Bilder erkennen können. Es unterstützt eine Vielzahl von Bildklassifizierungsaufgaben, darunter Objekterkennung und Bildmarkierung. Benutzer können ihre eigenen gekennzeichneten Bilder hochladen, ihre Modelle trainieren und die Leistung bewerten, alles von einer einfachen Weboberfläche aus. Dieser Dienst ist skalierbar und kosteneffektiv, sodass die Nutzer nur für das bezahlen, was sie nutzen, sei es Training oder Bildspeicherung.

Das LLM Maze Agent-Framework bietet eine Python-basierte Umgebung zum Bau intelligenter Agenten, die in der Lage sind, Gitterlabyrinthe mithilfe großer Sprachmodelle zu navigieren. Durch die Kombination modularer Umgebungsinterfaces mit Ketten-der-Denken-Prompt-Vorlagen und heuristischer Planung fragt der Agent iterativ ein LLM ab, um Bewegungsrichtungen zu bestimmen, Hindernisse zu umgehen und seine interne Zustandsdarstellung zu aktualisieren. Die out-of-the-box-Unterstützung für OpenAI- und Hugging Face-Modelle ermöglicht eine nahtlose Integration, während konfigurierbare Labyrinth-Generierung und schrittweise Debugging-Tools Experimente mit verschiedenen Strategien erlauben. Forscher können Belohnungsfunktionen anpassen, benutzerdefinierte Beobachtungsräume definieren und die Pfade des Agenten visualisieren, um den Denkprozess zu analysieren. Dieses Design macht den LLM Maze Agent zu einem vielseitigen Werkzeug für die Bewertung des LLM-gesteuerten Planens, das Lehren von KI-Konzepten und das Benchmarking der Modellleistung bei räumlicher Argumentation.

PromptsLabs ist eine Plattform, auf der Benutzer Eingabeaufforderungen entdecken und teilen können, um neue Sprachmodelle zu testen. Die von der Community betriebene Bibliothek stellt eine breite Palette von Copy-and-Paste-Eingabeaufforderungen sowie die erwarteten Ergebnisse zur Verfügung, die den Benutzern helfen, die Leistung verschiedener LLMs zu verstehen und zu bewerten. Benutzer können auch ihre eigenen Eingabeaufforderungen beisteuern, um eine kontinuierlich wachsende und aktuelle Ressource zu gewährleisten.