← All projects

Llm Foundry

B22/40训练 / ML洞察置信度：中

LLM training library for MosaicML platform users.

★ 5,500PythonCreated 2023-02-01GitHub →
llmtrainingcomposer

Executive Insight

Llm Foundry 属于「训练 / ML」方向，综合分 22/40（B）。当前最强项是 评估与验证、LLM 集成、工具使用，短板集中在 知识检索 (RAG)、Agent 自主性。

核心优势

  • - 评估与验证达到 5/5（多 Agent 互审 + 迭代优化），说明该项目在这一能力上较成熟。
  • - LLM 集成达到 4/5（多模型切换 + Provider 抽象），说明该项目在这一能力上较成熟。
  • - 工具使用达到 3/5（Function Calling / Tool Use），说明该项目在这一能力上较成熟。

能力短板

  • - 知识检索 (RAG)仅 1/5，当前更像“可用基础版”，需要补齐工程化能力。
  • - Agent 自主性仅 2/5，当前更像“可用基础版”，需要补齐工程化能力。

适用场景

  • - 模型训练和微调
  • - 实验驱动算法团队

落地风险与建议

  • - 该条目为启发式分析，建议在核心决策前做一次仓库级人工复核。
  • - 人机协作机制偏弱，生产环境需增加人工审批或灰度发布闸门。
  • - 优先引入检索层：切块 + 向量召回 + 重排，提升事实性。
  • - 围绕 Agent 自主性 先做最小闭环，再扩展高级能力。

Intelligence Profile

LLM 集成Agent 自主性记忆系统工具使用知识检索 (RAG)多模态评估与验证人机协作

Dimensions

LLM 集成

多模型切换 + Provider 抽象

Level 4: 多模型切换 + Provider 抽象

Heuristic from category — verify manually

Agent 自主性

多步执行（人工每步确认）

Level 2: 多步执行（人工每步确认）

Heuristic from category — verify manually

记忆系统

会话摘要/压缩

Level 2: 会话摘要/压缩

Heuristic from category — verify manually

工具使用

Function Calling / Tool Use

Level 3: Function Calling / Tool Use

Heuristic from category — verify manually

知识检索 (RAG)

简单文本搜索

Level 1: 简单文本搜索

Heuristic from category — verify manually

多模态

多模态输入输出

Level 3: 多模态输入输出

Heuristic from category — verify manually

评估与验证

多 Agent 互审 + 迭代优化

Level 5: 多 Agent 互审 + 迭代优化

Heuristic from category — verify manually

人机协作

AI 执行 + 人工审批

Level 2: AI 执行 + 人工审批

Heuristic from category — verify manually

Architecture

training-ml (catalog seed)

LLM training library for MosaicML platform users.

GitHub Live Metrics

Loading live metrics...