De LlamaCon Hackathon, een AI-evenement dat ontwikkelaars van over de hele wereld samenbracht, is succesvol afgerond in San Francisco. Het evenement trok meer dan 600 geregistreerden, waarvan uiteindelijk 238 getalenteerde ontwikkelaars en innovators samenkwamen om gedurende een dag projecten te bouwen. De uitdaging was om in slechts 24 uur een demonstreerbaar project te creëren met behulp van de Llama API, Llama 4 Scout of Llama 4 Maverick – of een combinatie van deze geavanceerde tools.
Er waren aanzienlijke prijzen te winnen, met een totale waarde van $35.000 aan geldprijzen, waaronder een eerste, tweede en derde plaats, evenals een prijs voor het beste gebruik van de Llama API. Een jury van Meta en sponsorende partners beoordeelde de 44 ingediende projecten zorgvuldig.
Onze oprechte dank gaat uit naar onze partners Groq, Crew AI, Tavus, Lambda, Nebius en SambaNova voor hun waardevolle steun tijdens de hackathon. Elke sponsor bood credits, workshops van deskundige sprekers, mentoring, live Q&A-stands, juryleden en ondersteuning op afstand via Discord.
De Winnaars
Na twee juryrondes hebben we uit de 44 ingediende projecten de beste zes geselecteerd, waaruit uiteindelijk de eerste, tweede, derde plaats en de prijs voor het beste gebruik van de Llama API zijn bepaald.
OrgLens – Eerste Plaats
OrgLens creëerde een AI-gestuurd expert matching systeem dat u verbindt met de juiste professionals binnen uw organisatie. Door data uit diverse bronnen te analyseren, waaronder Jira-taken, GitHub-code en -issues, interne documentatie en cv’s, creëert OrgLens uitgebreide kennisgrafieken en gedetailleerde profielen voor elke contributor. Dit stelt u in staat om met geavanceerde AI-gestuurde zoekfunctionaliteit naar experts te zoeken en zelfs te interageren met de digitale tweeling van een persoon om vragen te stellen voordat u contact opneemt. Om de functionaliteit te demonstreren, werd een demo-webapplicatie gebouwd met React, Tailwind en Django, gebruikmakend van de GitHub API en Llama API om data te verwerken en op te slaan. OrgLens stroomlijnt de expert matching, waardoor het gemakkelijker wordt om de juiste persoon voor de juiste klus te vinden.
Duik dieper in de innovatie van OrgLens, dat meer is dan alleen een expert matching systeem, het is een versneller van interne kennisdeling en samenwerking in een bedrijf. Het maakt slim gebruik van de kracht van kunstmatige intelligentie om informatiesilo’s te doorbreken en de expertise te verbinden die verborgen is in de hoeken van de organisatie. Stel je voor, wanneer je een probleem tegenkomt in een complex project, dat je niet langer doelloos hoeft te zoeken in interne e-mails en documenten, maar via OrgLens snel een collega kunt vinden met relevante ervaring en vaardigheden, en direct met hun “digitale tweeling” kunt communiceren om een eerste vraag te stellen. Dit zal de werkefficiëntie en probleemoplossing aanzienlijk verbeteren. De belangrijkste kracht van OrgLens ligt in het vermogen om data diepgaand te analyseren en te verwerken. Het kan niet alleen data verzamelen van platforms zoals Jira en GitHub, maar ook interne documenten en cv’s analyseren om zo een uitgebreide kennisgrafiek te creëren. Deze kennisgrafiek bevat niet alleen de vaardigheden en ervaringen van werknemers, maar registreert ook hun bijdragen en interacties in verschillende projecten. Via deze kennisgrafiek kan OrgLens nauwkeurig de meest geschikte expert voor een bepaalde taak identificeren en deze aanbevelen aan de persoon die hulp nodig heeft. Daarnaast besteedt OrgLens aandacht aan de gebruikerservaring. Het biedt een intuïtieve en gebruiksvriendelijke webinterface waar gebruikers kunnen zoeken op trefwoorden of geavanceerde filters gebruiken om de juiste expert te vinden. Bovendien stelt de “digital twin” functie gebruikers in staat om vooraf vragen te stellen en snelle antwoorden te krijgen, waardoor zowel de tijd van de expert als de zoeker wordt bespaard.
Door kunstmatige intelligentie te integreren in het expert matching proces, heeft OrgLens het potentieel om een revolutie teweeg te brengen in de manier waarop bedrijven hun interne talentbronnen beheren en gebruiken, wat leidt tot verbeterde samenwerking, innovatie en algehele prestaties. Het succes van OrgLens ligt in de oplossing van het alomtegenwoordige probleem van kennismanagement binnen bedrijven. Veel bedrijven worden geconfronteerd met verspreide werknemersvaardigheden en moeilijk te verkrijgen informatie, wat leidt tot verspilling van middelen en inefficiëntie. Door het expert matching proces te automatiseren, lost OrgLens dit probleem effectief op en biedt het bedrijven de volgende aanzienlijke voordelen:
- Verhoogde productiviteit: Werknemers kunnen sneller de hulp vinden die ze nodig hebben, waardoor de projectvoortgang wordt versneld.
- Bevorderde innovatie: Door experts op verschillende gebieden te verbinden, kunnen nieuwe ideeën en oplossingen worden gestimuleerd.
- Geoptimaliseerd gebruik van middelen: Dubbel werk en verspilling van middelen worden vermeden, waardoor de algehele efficiëntie wordt verbeterd.
- Verbeterde betrokkenheid van werknemers: Het maakt het voor werknemers gemakkelijker om kennis en ervaringen te delen, waardoor hun betrokkenheid en gevoel van erbij horen worden versterkt.
Compliance Wizards – Tweede Plaats
Compliance Wizards creëerde een AI-gestuurde transactie-analysator om fraude te detecteren en gebruikers te waarschuwen op basis van aangepaste risicobeoordelingsalgoritmen. E-mail notificaties worden naar gebruikers gestuurd die hen vragen transacties te rapporteren of te bevestigen. Gebruikers kunnen vervolgens rapporteren en bevestigen met een AI-spraakassistent. Met de multi-modaliteit van Llama API kunnen fraude-evaluatoren klantinformatie uploaden en relevant nieuws over hun klanten zoeken om te helpen bepalen of de klant betrokken is bij opmerkelijke criminele activiteiten.
Compliance Wizards creëerde een AI-gestuurde transactie-analysator die is ontworpen om verdachte activiteiten te identificeren en gebruikers te waarschuwen via complexe risicobeoordelingsalgoritmen. Dit systeem werkt door e-mailnotificaties naar gebruikers te sturen, waarin hen wordt gevraagd bepaalde transacties te beoordelen en te bevestigen. Gebruikers kunnen vervolgens communiceren met een AI-gestuurde spraakassistent om transacties te rapporteren of hun legitimiteit te bevestigen. Door gebruik te maken van de multi-modale mogelijkheden van de Llama API kunnen fraude-evaluatoren klantinformatie uploaden en relevant nieuws zoeken om te helpen bepalen of de klant betrokken is bij opmerkelijke criminele activiteiten. De kern van Compliance Wizards is de krachtige AI-engine, die in staat is om transactiedata diepgaand te analyseren en potentiële fraudepatronen te identificeren. Deze engine kan niet alleen traditionele fraude detecteren, maar kan ook aangepaste risicobeoordelingen uitvoeren op basis van het specifieke risicoprofiel van de klant, waardoor de nauwkeurigheid van de fraudedetectie wordt verbeterd. Bovendien integreert Compliance Wizards een nieuwszoekfunctie, позволяющее fraud assessors to quickly gather relevant information about their clients, such as media mentions and legal records. This contextual information can be crucial in assessing the overall risk profile of the client and identifying potential red flags.
The AI-powered voice assistant is another key component of Compliance Wizards. It provides users with a convenient and efficient way to report and acknowledge transactions, especially when they are on the go. The voice assistant can also answer questions about the transactions and provide guidance on how to comply with relevant regulations. De belangrijkste voordelen van Compliance Wizards zijn de meerlagige beveiligingsmethoden:
- Geavanceerde risicobeoordeling: Nauwkeuriger potentiële fraude identificeren via aangepaste risicobeoordelingsalgoritmen.
- Real-time transactieanalyse: Monitoren van alle transacties in realtime voor de tijdige detectie van achterdochtige activiteiten.
- Context gewaar: Het kan nieuws ophalen om het risicoprofiel van de klant grondig te evalueren.
- Handige rapportage: Bieden van een spraakassistent die processen voor reporting en bevestiging stroomlijnt.
Compliance Wizards is niet alleen een hulpmiddel, maar een uitgebreide compliance-oplossing die bedrijven helpt het risico op fraude te minimaliseren en aan de relevante regelgeving te voldoen.
Llama CCTV Operator – Derde Plaats
Een team onder leiding van Agajan Torayev bouwde een Llama CCTV AI controlekameroperator die aangepaste bewakingsvideo-evenementen kan automatiseren zonder dat er model finetuning nodig is. De operator kan video-evenementen definiëren in eenvoudige taal. Met behulp van Llama 4’s multimodale beeldherkenning legt het systeem elke vijf frames beweging vast en detecteert het deze om deze vooraf gedefinieerde gebeurtenissen te evalueren en aan de operator te rapporteren.
The Llama CCTV Operator achterliggende idee is om bewakingssystemen intelligent te maken, zodat ze proactief abnormale gebeurtenissen kunnen identificeren in plaats van passief video’s op te nemen. Het systeem maakt gebruik van Llama 4’s krachtige mogelijkheden voor beeldherkenning, позволяющее to analyze video feeds in real-time and detect a wide range of predetermined events, such as suspicious activity, unauthorized access, or safety hazards. The operator can define these events using simple language, without requiring any specialized knowledge of machine learning or computer vision.
The system works by capturing and analyzing motion every five frames, and then using Llama 4’s multimodal capabilities to assess whether the captured motion matches any of the predefined events. If a match is found, the system will immediately report the event to the operator, along with relevant contextual information. De belangrijkste voordelen van de Llama CCTV Operator zijn onder andere:
- Geen finetuning vereist: Het vereenvoudigt het implementatie- en onderhoudsproces aanzienlijk, omdat model finetuning niet nodig is.
- Detectie van aangepaste gebeurtenissen: De operator kan aangepaste bewakingsgebeurtenissen definiëren met behulp van eenvoudige taal, waardoor aan specifieke beveiligingsbehoeften wordt voldaan.
- Real-time analyse: Het systeem kan videofeeds in realtime analyseren om verdachte activiteiten snel te detecteren.
- Automatische rapportage: Het systeem rapporteert automatisch gedetecteerde gebeurtenissen aan de operator, waardoor de behoefte aan handmatige bewaking afneemt.
Geo-ML – Beste Gebruik van de Llama API
Geoloog William Davis gebruikte Llama 4 Maverick en GemPy om mogelijke mijnbouwlocaties, topografische kaarten en 3D geologische modellen van minerale afzettingen te genereren. Geo-ML werkt door geologische rapporten van 400 pagina’s te verwerken, de informatie te consolideren tot een gestructureerde geologische domeinspecifieke taal en deze vervolgens te gebruiken om een 3D-weergave van de ondergrondse geologie te genereren.
“Dit is de eerste keer dat ik echt een LLM API gebruik om ultra-lange tekst en afbeeldingen uit lange geologische onderzoeksdocumenten te halen, dus ik gebruikte het ultra-lange contextvenster van Llama Maverick en de multi-modale mogelijkheden van tekst en afbeeldingen om de tekst te extraheren en deze om te zetten in een domeinspecifieke taal, waardoor ik een gecomprimeerde versie kreeg van alles wat in het document was opgeslagen”, aldus Davis. “Ik besteedde de meeste tijd aan het lezen van geologische documenten. Het zou geweldig zijn om een LLM te hebben die dit op de achtergrond voor me kan doen.”
Geoloog William Davis wendde Llama 4 Maverick en GemPy slim aan om een totaal nieuwe geologische modelleermethode te introduceren. Het doel van Geo-ML is om de kracht van kunstmatige intelligentie te gebruiken om verborgen informatie uit een groter aantal geologische rapporten te extraheren en dit om te zetten in nuttige en makkelijk te begrijpen 3D-modellen.
The system works by processing long geological research papers, often 400 pages or more, and consolidating the information into a structured geology domain-specific language. This language captures the key geological features, structures, and mineral deposits described in the reports. Then, the система 使用这种语言来生成地下地质的 3D 表示，帮助地质学家更容易地可视化和分析地下环境。
Davis himself emphasized the importance of Llama 4 Maverick’s long context window and multimodal capabilities in making Geo-ML possible. The long context window allows the system to process entire research papers at once, while the multimodal capabilities enable it to extract both text and images from the documents.
De belangrijkste voordelen van Geo-ML zijn het vermogen om:
- Geologische modellering te automatiseren: Het automatiseert het geologische modelleerproces en vermindert de tijd en moeite van handmatige analyses.
- Verborgen informatie te extraheren: Verborgen informatie wordt uit een groter aantal geologische rapporten geëxtraheerd, waardoor geologen potentiële mijnbouwlocaties en minerale afzettingen kunnen ontdekken.
- 3D-modellen te genereren: 3D-weergaven van de ondergrondse geologie worden gegenereerd, waardoor geologen de ondergrondse omgeving makkelijker kunnen visualiseren en analyseren.
- Geologisch onderzoek te versnellen: Het versnelt het geologisch onderzoek door het geologische modelleerproces sneller te maken.
Speciale Vermelding: Team Concierge
Concierge, een van de finalisten, had zijn eigen GPU’s meegebracht naar de wedstrijd, waardoor ze zich onderscheidden van de concurrentie.
“Wij geloven dat het beste aspect van Llama 4 Maverick de sparse mixture of experts-aard en open source beschikbaarheid is, waardoor finetuning mogelijk is”, aldus het team. “Meta heeft onlangs een uitstekend finetuning-hulpmiddel uitgebracht, namelijk het hulpmiddel op GitHub. Met behulp van de Llama API hebben we data uit meerdere bronnen samengesteld om QA-datasets te creëren en het Llama 4 Maverick-model te finetunen. We zijn van plan om dit in te dienen bij open benchmarks, omdat we momenteel een Llama 4 encoder missen en het belooft met zijn 1M contextvenster een uitzondering te vormen.”
Concierge’s unieke methode is gefocust op het finetunen van het Llama 4 Maverick-model om de prestaties in specifieke taken te verbeteren. The team believed that the sparse mixture of experts nature of Llama 4 Maverick, combined with its open source availability, made it an ideal candidate for fine-tuning.
To fine-tune the model, the team compiled data from multiple sources to create QA datasets. Then, they used Meta’s fine-tuning tool to train the model. The team планирует to submit the fine-tuned model to open benchmarks to evaluate its performance.
Bekijk Finalist Demonstraties
U kunt de finalist demonstraties bekijken op YouTube.
Doe Mee aan de Volgende Llama Hackathon
Ontwikkelaars kunnen zich aanmelden voor de volgende Llama Hackathon,die plaatsvindt van 31 mei tot 1 juni 2025 in New York City.