Custom Vision es un servicio de aprendizaje automático de Azure AI que permite a los usuarios construir, entrenar y desplegar modelos personalizados que pueden reconocer imágenes específicas. Admite una variedad de tareas de clasificación de imágenes, incluida la detección de objetos y el etiquetado de imágenes. Los usuarios pueden subir sus propias imágenes etiquetadas, entrenar sus modelos y evaluar el rendimiento, todo desde una simple interfaz web. Este servicio está diseñado para ser escalable y rentable, asegurando que los usuarios solo paguen por lo que usan, ya sea tiempo de entrenamiento o almacenamiento de imágenes.

El marco LLM Maze Agent proporciona un entorno basado en Python para construir agentes inteligentes capaces de navegar laberintos de cuadrícula utilizando grandes modelos de lenguaje. Al combinar interfaces modulares de entorno con plantillas de prompting en cadena de pensamiento y planificación heurística, el agente consulta iterativamente a un LLM para decidir las direcciones de movimiento, adaptarse a obstáculos y actualizar su representación del estado interno. La compatibilidad lista para usar con modelos de OpenAI y Hugging Face permite una integración sin problemas, mientras que la generación de laberintos configurable y la depuración paso a paso facilitan la experimentación con diferentes estrategias. Los investigadores pueden ajustar funciones de recompensa, definir espacios de observación personalizados y visualizar rutas del agente para analizar procesos de razonamiento. Este diseño hace que LLM Maze Agent sea una herramienta versátil para evaluar la planificación basada en LLM, enseñar conceptos de IA y comparar el rendimiento de los modelos en tareas de razonamiento espacial.

PromptsLabs es una plataforma donde los usuarios pueden descubrir y compartir prompts para probar nuevos modelos de lenguaje. La biblioteca impulsada por la comunidad proporciona una amplia gama de prompts para copiar y pegar, junto con sus resultados esperados, ayudando a los usuarios a entender y evaluar el rendimiento de varios LLMs. Los usuarios también pueden contribuir con sus propios prompts, garantizando un recurso en constante crecimiento y actualizado.