open-korean-instructions

韩语指令数据集，用于语言模型训练

Open Korean Instructions 한국어 ChatGPT GPT 번역 데이터셋 Github 开源项目

本项目收集了多个开放的韩语指令数据集，用于语言模型训练，包括KoAlpaca和ShareGPT等翻译数据。同时还包含GPT生成的多种数据，以提升模型性能。如有新的数据，请通过PR提交。

Github

Huggingface

介绍相关项目

Llama-3-Open-Ko-8B - 高性能开源韩语大型语言模型

GithubHuggingfaceLlama-3开源AI开源项目模型自然语言处理语言模型韩语预训练

Llama-3-Open-Ko-8B是一个基于Llama-3-8B进行持续预训练的开源韩语语言模型。该模型使用60GB以上的去重文本训练，包含超过17.7B个token，采用优化的Transformer架构，支持8k上下文长度。它适用于商业和研究目的，可用于助手式聊天等多种自然语言生成任务。开发者使用时需遵循相关许可和负责任的AI开发原则。

open-korean-text - 高效处理韩语文本的开源库

Githubopen-korean-text开源项目文本处理自然语言处理韩语处理

open-korean-text 是一个强大的开源韩语文本处理库,支持正规化、分词、词干提取和短语提取等功能。该库适用于短文本和长文本处理,可在大数据分析等场景中进行简单的韩语处理和关键词提取。open-korean-text 性能出色,平均处理一条推文仅需0.54毫秒。项目提供多种语言的包装器,并欢迎社区贡献。

polyglot-ko-12.8b-Inst - 此模型为韩语文本生成提供优化支持

GithubHuggingfaceKoQualitypolyglot-ko-12.8b多语言开源项目文本生成模型模型训练

模型通过使用10%指令数据集[Kullm, OIG, KoAlpaca]进行调优，融入了多GPU和CPU卸载技术，实现高效的分布式训练，致力于韩语文本生成应用。

awesome-chatgpt-dataset - 综合性AI对话数据集资源助力自定义语言模型训练

ChatGPTGithub开源项目指令调优数据集训练语言模型

awesome-chatgpt-dataset项目汇集了多样化的人工智能对话数据集资源。该项目囊括了不同规模、语言和领域的高质量指令数据，范围从数千到数百万条不等，涵盖多语言、代码生成、视觉对话等多个方面。这些数据集为研究人员和开发者提供了训练和优化大型语言模型的重要素材，有助于推动更智能、更多元化的AI对话系统的发展。

gemma-ko-7b-instruct-v0.62 - 简洁韩文文本生成模型，适用于多种自然语言处理任务

GemmaGithubHuggingface开源项目文本生成模型模型优化自然语言处理韩国语

Gemma Ko 7B Instruct v0.62 是一个专注于韩文文本生成的模型，能支持语言翻译、文本摘要、问答及对话生成等多种自然语言处理任务。该模型生成的文本高质量且具备上下文连贯性。由开发者 lemon-mint 基于 openchat 的模型进行微调。使用时请谨慎对待数据偏见及潜在错误信息。

awesome-korean-llm - 全面解析韩语开源大语言模型资源列表

GithubLLMLlamaPolyglot-Ko开源开源项目韩语

本资源列表全面汇总了韩语开源大语言模型(LLM)信息。内容涵盖Polyglot-Ko、KoAlpaca、KULLM等多种韩语LLM模型,提供模型规模、开发者、基础架构等核心数据。同时按基础模型对韩语LLM进行分类,包括基于Polyglot-Ko、Llama、Llama-2等的不同类型。该列表为韩语自然语言处理研究者提供了重要参考。

polyglot-ko-3.8b - 韩国大规模自回归语言模型的技术突破

EleutherAIGithubHuggingfacePolyglot-KoRoPE位置编码开源项目模型自动回归模型韩国语言模型

Polyglot-Ko-3.8B是一个由EleutherAI开发的韩国大型自回归语言模型，具有3.8B参数和32个Transformer层，采用Rotary位置编码。模型在超过863GB的韩语数据集上训练，但不对公众开放，并在训练中屏蔽了个人信息，以防止生成个人识别数据。Polyglot-Ko-3.8B在COPA和HellaSwag任务中表现优异。此模型可在GPT-NeoX框架中使用，适合多种语言处理任务，但建议在使用时对潜在敏感内容进行人类审核。

alpaca-chinese-dataset - 中文指令微调数据集生成与清洗方法

Githubalpacaself-instruct中文指令开源项目数据集机器翻译

此数据集通过机器翻译与self-instruct方法生成，并进行关键词清洗，提供高质量的中文指令微调数据。用户可以详细了解数据生成和清洗方法，并查看多个实际示例，以提升模型性能。

Llama-3-KoEn-8B-Instruct-preview - 基于Chat Vector技术的Llama-3-8B语言模型在多语言生成中的应用

GithubHuggingfaceLlama-3TRC计划pytorch开源项目模型生成模型语言模型

Llama-3-KoEn-8B-Instruct-preview项目是基于TPUv4-256的继续预训练语言模型，结合Chat Vector技术。尽管尚未对韩语指令集进行微调，但为新型聊天和指令模型的开发提供了重要基础。项目中包括详细的示例代码，展示了该模型在文本封装和生成方面的能力，适合需要深入语义生成和自然语言处理的开发者。

ko-gpt-trinity-1.2B-v0.5 - SK电信开发的1.2B参数韩语语言模型Ko-GPT-Trinity

GPT-3GithubHuggingface人工智能开源项目机器学习模型自然语言处理韩语模型

Ko-GPT-Trinity 1.2B是SK电信基于GPT-3架构开发的12亿参数韩语语言模型。该模型在Ko-DAT数据集上训练了350亿个标记，主要用于韩语文本的生成、分类、搜索和摘要。在推理和语言理解方面表现优异，但对非韩语输入效果较差。模型存在一定偏见和局限性，包括高方差性和可解释性有限，使用时需注意这些特点。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com