gpt_academic

GPT Academic (GPT Academic) est un projet open source fournissant une interface pratique pour les grands modèles de langage tels que GPT/GLM, avec une optimisation centrée sur l'expérience de lecture, de révision et de rédaction des articles. Le projet adopte une conception modulaire, prend en charge les boutons rapides personnalisés et les plugins de fonctions, et présente une grande extensibilité. Principales fonctionnalités : - Connexion multi-modèles : prend en charge OpenAI GPT-3.5/GPT-4, Tongyi Qianwen, Zhipu GLM4, DeepSeek Coder, Xunfei Spark, ERNIE Bot, LLaMA2, RWKV, ChatGLM, MOSS et d'autres modèles linguistiques de grande envergure populaires dans le monde entier, avec support du coexistence de plusieurs clés API et de la répartition de charge. - Traitement des articles: prend en charge la traduction précise des articles Arxiv, la traduction et le résumé complets de documents LaTeX/PDF, la révision et la correction grammaticale des articles, ainsi que la génération automatique de résumés. - Analyse de code : prend en charge la diss ection en un clic et la fonction d'auto-interprétation des arbres de projets en Python, C++, Java, Lua, etc. - Dialogue vocal en temps réel : écoute asynchrone de l'entrée audio, segmentation automatique des phrases, recherche automatique du moment opportun pour répondre. - Rendu de diagrammes Mermaid : support de la génération de diagrammes de flux, de transitions d'état, de diagrammes de Gantt, de cartes mentales, etc. - Raccourcis clavier personnalisés et plugins : ajout de boutons rapides personnalisés via le menu UI ou par code ; extension des fonctionnalités grâce à des plugins Python avec mise à jour à chaud. - Terminal virtuel : compréhension des intentions de l'utilisateur par le langage naturel, appel automatique d'autres plugins. - Archivage des dialogues : sauvegarde et chargement de l'historique des conversations, support de la restauration des sessions au format HTML. - Personnalisation de l'interface : prise en charge du thème sombre, du changement de disposition multiple, des polices personnalisées, etc. - Requêtes simultanées : possibilité d'interroger plusieurs modèles LLM en parallèle. Les méthodes d'installation sont variées et prennent en charge l'exécution directe (pip/Anaconda/uv), le déploiement Docker, les scripts Windows en un clic, le déploiement distant Sealos, ainsi que le déploiement sur Huggingface Spaces. Adresse du projet : https://github.com/binary-husky/gpt_academic