Project Icon

dataset

摩洛哥方言Darija与英语双语开源数据集DODa

Darija Open Dataset (DODa)是一个专注于摩洛哥方言的开源项目,包含约15万条条目。该数据集提供语义和语法分类、多种拼写形式、词形变化以及大量翻译句子。DODa采用拉丁字母和阿拉伯字母,反映了Darija拼写的多样性,为自然语言处理应用提供了丰富资源。项目目标是成为Darija NLP的重要参考,并鼓励社区贡献。

dclm - 大型语言模型训练与评估的开源综合框架
DataComp-LMGithub大语言模型开源项目数据处理模型训练评估
DataComp-LM是一个开源的大型语言模型训练和评估框架。它提供了超过300T的CommonCrawl标准语料库、基于open_lm的预训练方案和50多项评估指标。研究人员可利用该框架在411M至7B参数规模下进行数据集构建实验。通过数据集优化,DataComp-LM已显著提升了模型性能,创建了多个跨规模表现优异的高质量数据集。
DAMO-ConvAI - 达摩院对话式AI研究代码库
DAMO ConvAIGithub人工智能对话AI开源项目自然语言处理阿里巴巴
DAMO-ConvAI是达摩院对话式AI研究的开源代码库,汇集了多项前沿成果。项目在LREC-COLING 2024、EMNLP 2023和ACL 2023等顶级会议上发表论文,并在DSTC11-SIMMC赛道及Spider、SparC、CoSQL等排行榜上名列前茅。DAMO-ConvAI专注于对话系统、自然语言处理和机器学习领域的研究,为开发者提供丰富资源。
bert-base-arabic-camelbert-da-sentiment - CAMeLBERT-DA阿拉伯语情感分析模型
CAMeLBERT-DAGithubHuggingface开源项目情感分析模型自然语言处理阿拉伯语预训练语言模型
CAMeLBERT-DA情感分析模型是基于阿拉伯方言预训练模型微调而成。该模型利用ASTD、ArSAS和SemEval数据集进行了fine-tuning,可通过CAMeL Tools或transformers pipeline轻松集成使用。模型支持对阿拉伯语文本进行积极和消极的二分类情感分析。这一成果对研究阿拉伯语言模型的变体、规模和任务类型之间的相互作用具有重要意义。
OLMo-7B - 专注于语言模型科学的开放模型
GithubHuggingfaceOLMo开源项目模型模型性能训练数据集语言模型
OLMo系列模型由Allen Institute for AI开发,旨在推进语言模型科学。该系列模型使用Dolma数据集进行训练,提供诸如OLMo 7B等多种版本及详细的训练检查点和代码支持。这些模型可用于英文学术研究,并可在Hugging Face平台上获取。项目获得哈佛大学、Databricks、AMD等机构支持,并在MMLU测试中显示出明显的性能提升。
DALM - 优化AI语言模型的开源自适应工具包
ArceeDALMGithubLlama-2-7b-hfRAG-end2endcontrastive learning开源项目
Arcee开源的领域自适应语言模型工具包(DALM)结合了RAG-e2e架构,实现LLM与向量存储的高效整合。该工具包支持Llama、Falcon和GPT等解码器,适用于特定领域的高级定制。工具包包括数据处理、训练和评估的完整代码库,支持对比学习和高效的检索生成联合训练。
Adala - 提供灵活可扩展运行时环境的自主数据标注框架
AdalaGithub人工智能开源项目数据标注机器学习自适应学习
Adala 是一个用于数据处理的自主数据标注框架,具备灵活的运行时环境和Python集成。通过迭代学习,系统内的智能体可以独立获取技能,适应不同的环境。Adala 提供可靠的数据处理结果和多种定制化选项,适合AI工程师、机器学习研究人员、数据科学家和教育工作者使用,并兼容OpenAI和VertexAI等大型语言模型。
awesome-json-datasets - 免费开放的海量JSON数据集合
APIGitHubGithubJSON开源开源项目数据集
awesome-json-datasets项目收集了大量免费开放的JSON格式数据集,内容涵盖比特币、气候、犯罪、货币等多个领域。项目为每个数据集提供直接访问链接,并附有使用提示,方便开发者和数据分析师快速获取所需资源。作为一个综合性的JSON数据集索引,该项目为数据驱动的应用开发和研究提供了便利。
awesome-instruction-dataset - 开源的多任务多语言指令微调数据集
AlpacaChatGPTGithubLLMsRLHF开源项目数据集
该项目收录了一系列开源指令微调数据集,用以训练基于聊天的LLM(如GPT-4、ChatGPT、LLaMA、Alpaca)。数据集包括视觉指令微调、文本指令微调和人类反馈增强学习(RLHF)数据集。项目提供了详尽的数据集列表,方便研究人员和开发人员使用这些资源。支持多任务和多语言,覆盖英语、中文等多种语言数据,数据集来源多样,包括人类生成、自我指令生成以及混合数据集,适合多种LLM训练需要。
dodrio - 交互式工具帮助NLP研究者分析Transformer模型的注意力权重
DodrioGithubNLPTransformer模型交互式可视化开源项目文本分析
Dodrio是一个交互式可视化系统,旨在帮助NLP研究人员分析和比较Transformer模型中的注意力权重。用户可查看实时演示、下载代码并本地运行。由Jay Wang、Robert Turko和Polo Chau开发,支持个性化模型和数据集的可视化。
awesome-synthetic-datasets - 大语言模型合成数据集资源汇总
CosmopediaGithubSelf-InstructTinyStories合成数据集大语言模型开源项目
该项目整理了大语言模型生成合成数据集的相关资源,包括教程、技术、数据集、工具和论文。涵盖TinyStories、Cosmopedia等数据集,以及Self-Instruct、AutoPrompt等技术,为AI研究和开发提供参考。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号