Tabular-LLM

Tabular-LLM

表格智能数据集的收集与LLM模型优化

此项目利用Alpaca-CoT平台,集合和整理多种表格智能任务的数据集,并对现有的大型语言模型进行微调,以提升其对表格数据的理解和处理能力。主要涵盖表格问答和表格-文本生成等任务。项目提供开源训练代码和格式统一的表格数据,并开放训练模型,助力研究者复现及优化表格智能任务。

Tabular LLM表格智能Alpaca-CoTLLM微调平台Github开源项目

Tabular-LLM 项目介绍

Tabular-LLM 是一个旨在提升大型语言模型(LLM)在处理表格数据方面能力的创新项目。此项目基于 Alpaca-CoT 项目,专注于表格智能任务的数据收集与模型微调,目标是打造能够高效处理和理解表格数据的专用 LLM。

项目背景

以 ChatGPT 为代表的 LLMs 对自然语言处理研究领域产生了巨大影响。在表格智能任务方面,通过初步研究发现,ChatGPT 在表格绘制、表格修改、表格问答、文本-表格制作、表格事实验证和表格-文本生成等方面已经展现出潜力。然而,现有的 LLMs 主要以 Markdown 格式表征表格,对于更复杂的表格结构支持有限。同时,市场上针对表格任务的数据集稀缺,这使得开发者难以在不同应用场景中复现和强化这些模型的表格处理能力。

项目动机

即便 LLMs 已经具备处理基本表格任务的能力,但它们在处理复杂任务和表征不同类型的表格上仍存在挑战。Tabular-LLM 项目计划通过以下途径改善 LLM 的表格处理性能:

  1. 表格表示方法的探索:研究如何最优地将表格数据转化为文本序列,以便被模型理解。不同的表格类型会使用特定的格式进行表示,如 Markdown、HTML 和 Latex 格式等。

  2. 数据集的收集与整理:本项目积极收集不同类型的表格智能任务数据集,并将原始数据转化为适合模型微调的格式,为模型的指令微调提供多样的数据基础。

  3. 开源模型与测试:利用整理的数据集微调 Alpaca-CoT 等开源模型,构建针对表格任务的 LLM。还计划对这些模型的表现进行深入分析,以优化处理表格的能力。

表格的表示方法

要让 LLM 理解表格信息,关键在于选择合适的表示方法。项目探讨了多种表格类型:

  • 垂直表格:数据沿垂直方向排列。
  • 水平表格:数据沿水平方向排列。
  • 层级表格:包含合并单元格的复杂表格。
  • 复杂表格:表头和数据可分布在任意位置的表格。

对于每一种表格类型,需要选择合适的表示方法,比如常用的 Markdown 格式适用于简单表格,而包含合并单元格的层级表格则可能更适合用 HTML 格式表示。

样本格式

项目使用了更新的样本格式来提高数据的表达和使用效率。每个样本包含的关键信息如下:

  • item_id:样本的唯一标识。
  • input:包含任务指令和输入内容。
  • output:模型的标准输出。
  • table_rows:表格的行数据。
  • table_repr:表格的文本表示。
  • table_type:表格的类型。

数据汇总与开源

Tabular-LLM 项目提供了多个不同任务相关的数据集和微调后的模型。项目的最新更新增加了多种任务的数据,并对现有数据集进行了改进。通过开源的方式,社区研究者可以在 Huggingface 上下载这些数据和模型,便于进一步的研究和应用。

未来计划

项目计划继续完善数据集,增强表格智能模型的能力,优化表格表示方法,以及探索在具体应用场景中的有效策略。期待该项目能够为开源社区提供更加丰富的数据基础和技术指导,为特定行业的表格智能应用落地提供支持。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多