BigData

LLM Council

Идея этого репозитория в том, что вместо того, чтобы задавать вопрос вашему любимому поставщику LLM (например, OpenAI GPT 5.1, Google Gemini 3.0 Pro, Anthropic Claude Sonnet 4.5, xAI Grok 4 и т.д.), вы можете объединить их в свой «Совет LLM». Этот репозиторий — это простое локальное веб-приложение, которое выглядит как ChatGPT, но использует OpenRouter, чтобы отправлять ваш запрос сразу нескольким LLM, затем просит их оценить и ранжировать ответы друг друга, а в конце Председатель Совета генерирует итоговый ответ.

Подробно, что происходит при отправке запроса:

Этап 1: Первые мнения. Запрос пользователя передаётся каждому LLM отдельно, и собираются их ответы. Индивидуальные ответы показываются во вкладках, чтобы пользователь мог просмотреть их по одному.

Этап 2: Рецензирование. Каждый LLM получает ответы остальных моделей. Их идентичность скрыта, чтобы исключить предвзятость. Модель должна ранжировать ответы по точности и глубине.

Этап 3: Итоговый ответ. Назначенный Председатель Совета LLM берёт все ответы моделей и объединяет их в один финальный ответ, который показывается пользователю.

https://github.com/karpathy/llm-council

👉 @bigdata_1

👍4❤2

www.tgoop.com/bigdata_1/1023

622 viewsNov 24 at 05:16

LLM Council

Идея этого репозитория в том, что вместо того, чтобы задавать вопрос вашему любимому поставщику LLM (например, OpenAI GPT 5.1, Google Gemini 3.0 Pro, Anthropic Claude Sonnet 4.5, xAI Grok 4 и т.д.), вы можете объединить их в свой «Совет LLM». Этот репозиторий — это простое локальное веб-приложение, которое выглядит как ChatGPT, но использует OpenRouter, чтобы отправлять ваш запрос сразу нескольким LLM, затем просит их оценить и ранжировать ответы друг друга, а в конце Председатель Совета генерирует итоговый ответ.

Подробно, что происходит при отправке запроса:

Этап 1: Первые мнения. Запрос пользователя передаётся каждому LLM отдельно, и собираются их ответы. Индивидуальные ответы показываются во вкладках, чтобы пользователь мог просмотреть их по одному.

Этап 2: Рецензирование. Каждый LLM получает ответы остальных моделей. Их идентичность скрыта, чтобы исключить предвзятость. Модель должна ранжировать ответы по точности и глубине.

Этап 3: Итоговый ответ. Назначенный Председатель Совета LLM берёт все ответы моделей и объединяет их в один финальный ответ, который показывается пользователю.

https://github.com/karpathy/llm-council

👉 @bigdata_1

BY BigData