Translated ['todo/test-llms.md'] to cn

SUMMARY.md

@@ -838,6 +838,7 @@
   * [Low-Power Wide Area Network](todo/radio-hacking/low-power-wide-area-network.md)
   * [Pentesting BLE - Bluetooth Low Energy](todo/radio-hacking/pentesting-ble-bluetooth-low-energy.md)
 * [Industrial Control Systems Hacking](todo/industrial-control-systems-hacking/README.md)
+* [Test LLMs](todo/test-llms.md)
 * [LLM Training - Data Preparation](todo/llm-training-data-preparation/README.md)
   * [0. Basic LLM Concepts](todo/llm-training-data-preparation/0.-basic-llm-concepts.md)
   * [1. Tokenizing](todo/llm-training-data-preparation/1.-tokenizing.md)

todo/test-llms.md

@@ -0,0 +1,50 @@
+# Test LLMs
+
+## Run & train models locally
+
+### [**Hugging Face Transformers**](https://github.com/huggingface/transformers)
+
+Hugging Face Transformers 是一个最受欢迎的开源库之一，用于使用、训练和部署 LLM，如 GPT、BERT 等。它提供了一个全面的生态系统，包括预训练模型、数据集，以及与 Hugging Face Hub 的无缝集成，以便进行微调和部署。
+
+### [**LangChain**](https://github.com/langchain-ai/langchain)
+
+LangChain 是一个旨在构建 LLM 应用程序的框架。它允许开发人员将语言模型与外部数据源、API 和数据库连接。LangChain 提供了用于高级提示工程、管理对话历史和将 LLM 集成到复杂工作流中的工具。
+
+### [**LitGPT**](https://github.com/Lightning-AI/litgpt)
+
+LitGPT 是由 Lightning AI 开发的一个项目，利用 Lightning 框架来促进基于 GPT 的模型的训练、微调和部署。它与其他 Lightning AI 工具无缝集成，提供优化的工作流程，以处理大规模语言模型，增强性能和可扩展性。
+
+### [**LitServe**](https://github.com/Lightning-AI/LitServe)
+
+**描述：**\
+LitServe 是 Lightning AI 的一个部署工具，旨在快速高效地部署 AI 模型。它通过提供可扩展和优化的服务能力，简化了将 LLM 集成到实时应用程序中的过程。
+
+### [**Axolotl**](https://github.com/axolotl-ai-cloud/axolotl)
+
+Axolotl 是一个基于云的平台，旨在简化 AI 模型（包括 LLM）的部署、扩展和管理。它提供自动扩展、监控和与各种云服务集成等功能，使在生产环境中部署模型变得更加容易，而无需广泛的基础设施管理。
+
+## Try models online
+
+### [**Hugging Face**](https://huggingface.co/)
+
+**Hugging Face** 是一个领先的平台和社区，专注于机器学习，特别以其在自然语言处理 (NLP) 方面的工作而闻名。它提供工具、库和资源，使开发、共享和部署机器学习模型变得更加容易。\
+它提供几个部分，如：
+
+* **Models**：一个庞大的 **预训练机器学习模型** 库，用户可以浏览、下载和集成用于文本生成、翻译、图像识别等各种任务的模型。
+* **Datasets：** 一个全面的 **数据集集合**，用于训练和评估模型。它便于访问多样的数据源，使用户能够找到并利用数据以满足其特定的机器学习项目。
+* **Spaces：** 一个用于托管和共享 **交互式机器学习应用程序** 和演示的平台。它允许开发人员 **展示** 他们的模型在实际中的应用，创建用户友好的界面，并通过共享实时演示与他人合作。
+
+## [**TensorFlow Hub**](https://www.tensorflow.org/hub) **&** [**Kaggle**](https://www.kaggle.com/)
+
+**TensorFlow Hub** 是一个由 Google 开发的可重用机器学习模块的综合库。它专注于促进机器学习模型的共享和部署，特别是那些使用 TensorFlow 构建的模型。
+
+* **Modules：** 一个庞大的预训练模型和模型组件的集合，用户可以浏览、下载和集成用于图像分类、文本嵌入等任务的模块。
+* **Tutorials：** 逐步指南和示例，帮助用户理解如何使用 TensorFlow Hub 实现和微调模型。
+* **Documentation：** 综合指南和 API 参考，帮助开发人员有效利用库中的资源。
+
+## [**Replicate**](https://replicate.com/home)
+
+**Replicate** 是一个平台，允许开发人员通过简单的 API 在云中运行机器学习模型。它专注于使 ML 模型易于访问和部署，而无需广泛的基础设施设置。
+
+* **Models：** 一个由社区贡献的机器学习模型库，用户可以浏览、尝试并将模型集成到他们的应用程序中，几乎不需要努力。
+* **API Access：** 简单的 API 用于运行模型，使开发人员能够轻松地在自己的应用程序中部署和扩展模型。