Project Icon

MNBVC

MNBVC大规模中文语料集:覆盖多样类型数据支持开源社区

MNBVC中文语料集由MOP里屋社区发起,目标是创建最大的中文互联网语料集,涵盖新闻、小说、论文等多种类型数据。当前数据量为34582GB,最终目标为40TB。MNBVC提供多种文件格式的数据,包括txt、json、jsonl和parquet,并配备一系列优化工具及爬虫代码协助数据处理。项目欢迎有技术背景的志愿者参与,提升数据清洗效率。访问Wiki了解更多信息。

Pretrained-Language-Model - 先进预训练语言模型与优化技术集合
GithubMindSporePyTorchTensorFlow开源项目自然语言处理预训练语言模型
此开源项目汇集了多个先进的预训练语言模型和相关优化技术。包含200B参数中文语言模型PanGu-α、高性能中文NLP模型NEZHA、模型压缩技术TinyBERT和DynaBERT等子项目。这些模型在多项中文NLP任务中表现出色,支持MindSpore、TensorFlow和PyTorch等多种深度学习框架。
NLP-Natural-Language-Processing - 全面的自然语言处理资源与工具库
GithubNatural Language Processing开源项目数据科学机器学习深度学习计算机视觉
提供全面的自然语言处理(NLP)资源,涵盖数据集、前沿技术、课程、书籍推荐、GitHub代码示例及流行工具。涉及数据分析、知识图谱、模型与算法、情感分析、主题建模等任务的详细资料与学习路径。了解最新NLP动态,探索自然语言处理的应用潜力。
Chinese-Word-Vectors - 多样化中文词向量预训练模型集合
Chinese Word VectorsGithub中文开源项目词向量语义关系语料库
该项目集成了多种中文词向量模型,涵盖稠密和稀疏表示方法,以及词、n-gram、字符等上下文特征。同时提供中文类比推理数据集CA8和评估工具包,便于模型质量评估。这些预训练资源可应用于多种自然语言处理任务,为相关研究和开发工作提供了有力支持。
ML-NLP - 深入解析机器学习与自然语言处理全面知识库
GithubNLP面试开源项目机器学习深度学习算法工程师自然语言处理
ML-NLP项目提供机器学习与自然语言处理的全面资源,涉及关键理论和现实应用。各章节均配有实战代码,确保算法工程师高效备战面试。项目持续更新,跟上最新行业发展。
datablations - 对在数据限制下扩展语言模型的方法的研究
C4Githublanguage models开源项目数据稀缺数据重复训练数据
本项目研究在数据受限情况下扩展语言模型的方法。通过对9000亿训练令牌和90亿参数模型进行实验,提出并验证了重复令牌和多余参数的计算优化法则。实验涵盖数据增强、困惑度过滤及去重处理。相关模型和数据集公开在仓库,有助于在资源有限情况下高效训练和优化语言模型。
mbart-large-50 - 面向多语言翻译的序列到序列神经网络模型
GithubHuggingfacemBART-50多语言翻译序列到序列模型开源项目机器翻译模型预训练模型
mBART-50模型支持50种语言间的互译,基于序列到序列架构开发。该模型通过降噪预训练方法提升性能,包含句子重排和文本掩码等创新技术。作为mBART的扩展版本,覆盖英语、中文、日语在内的主要语言,可用于各类多语言自然语言处理任务。
xlm-v-base - 多语言模型中的突破性词汇扩展
GithubHuggingfaceXLM-V命名实体识别多语言开源项目模型自然语言推理词汇瓶颈
XLM-V是一个多语言模型,拥有百万词汇表,并在2.5TB数据上进行训练。相比于XLM-R,该模型在语言推理、问答与命名实体识别等任务中表现优异。通过减少语言间的词汇共享,这一创新提高了模型的表现,尤其在词汇重叠较少的语言中。XLM-V不仅提高跨语言任务的效果,也在低资源任务中实现重大突破,为机器学习和语言研究带来更多可能性。
Baichuan2-13B-Chat - 强大的开源大语言模型支持中英双语
Baichuan 2GithubHuggingface商业许可基准评估大语言模型开源开源项目模型
Baichuan2-13B-Chat是百川智能推出的新一代开源大语言模型,由2.6万亿高质量语料训练而成。该模型在中英文基准测试中表现优异,尤其在数学逻辑推理和复杂指令理解方面有显著提升。模型提供Base和Chat两个版本,以及4位量化版本,可用于学术研究和商业应用。Baichuan2-13B-Chat为自然语言处理领域提供了强大的工具。
chat-dataset-baseline - 中文对话模型训练资源整合平台
AI训练GithubLLaMA-Factory中文对话模型开源项目数据集模型优化
chat-dataset-baseline项目整合Hugging Face平台优质数据集,为中文对话模型训练提供全面资源。采用PDCA循环迭代,涵盖数据选择、模型训练、测试和优化。项目提供详细指南,适合数据科学家和AI爱好者快速上手,用于训练高质量中文基础模型,为特定行业应用打下基础。
chinese-macbert-base - 通过MLM误差校正任务优化中文BERT模型的性能
GithubHuggingfaceMacBERT句子排序预测开源项目掩码语言模型模型自然语言处理预训练模型
项目通过引入MLM误差校正预训练任务,减少预训练和微调过程中的差异,提升中文自然语言处理的模型表现。采用同义词工具进行相似词替换,改进传统BERT的[MASK]标记。此外,还结合全词掩码、N-gram掩码和句序预测技术,增强模型功能。MacBERT的架构与原始BERT兼容,为研究人员提供灵活的替换方案。
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