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。

funNLP - 全面汇总AI相关资源,文本处理、语音识别及NLP项目
GithubLLM训练推理NLP民工的乐园中文NLP资源库开源项目文本生成热门类ChatGPT模型
本资源为AI领域研究人员和开发者提供全面的相关工具、库和项目。涵盖文本处理、语音识别、自然语言处理(NLP)等多个方向,包括敏感词检测、机器翻译、情感分析等实用功能,适合于科研、教育和商业应用。
Baichuan2-7B-Chat - 2.6万亿Tokens训练的双语开源大模型
Baichuan2GithubHuggingface人工智能大语言模型开源许可开源项目模型模型训练
Baichuan2-7B-Chat是百川智能发布的开源大语言模型,基于2.6万亿Tokens高质量语料训练。模型在中英文基准测试中表现优异,提供Base和Chat版本,支持4bits量化。它完全开放学术研究,经许可可免费商用。模型采用PyTorch 2.0优化推理速度,在通用、法律、医疗、数学、编程和多语言翻译等领域表现出色。
bge-large-zh-v1.5 - 大规模中文预训练向量模型 优化检索性能
BGEFlagEmbeddingGithubHuggingface嵌入模型开源项目检索增强模型语言模型
bge-large-zh-v1.5是一款先进的中文预训练向量模型。该模型支持长文本输入处理,并整合了密集、稀疏和多向量检索功能。在多语言和跨语言基准测试中,它展现出优异的性能表现。该模型适用于信息检索和语义相似度计算任务,能有效提升大语言模型的检索增强能力。
nlpcda - 中文数据增强工具,提高NLP模型表现
GithubNLP Chinese Data Augmentation开源项目数据增强近义词替换长尾关键词选择准则随机实体替换
该工具通过一键操作实现中文数据增强,涵盖随机实体替换、同义词替换、近音字替换、字符删除、NER数据增强以及邻近字置换,保持原文语义不变。采用特殊处理不改变日期和数字等重要信息,有效提升NLP模型的泛化性能、抗干扰能力及对抗攻击能力,适用于文本数据处理及中文语音合成。
mamba-2.8b - 突破性能界限的高效开源语言模型
Apache 2.0GithubHuggingface开源许可开源项目模型法律版权软件许可
mamba-2.8b是一个开源语言模型,采用状态空间模型架构,在性能和效率方面有所突破。该模型参数规模较小,但具有较快的推理速度和良好的文本生成能力。mamba-2.8b为自然语言处理领域提供了新的可能性,适用于需要快速响应的应用场景。研究人员和开发者可以基于此模型探索高效的AI解决方案。
mDeBERTa-v3-base-xnli-multilingual-nli-2mil7 - mDeBERTa-v3模型实现多语言自然语言推理和零样本分类
GithubHuggingfacemDeBERTa-v3多语言开源项目机器学习模型自然语言推理零样本分类
mDeBERTa-v3-base-xnli-multilingual-nli-2mil7是一个支持100种语言的自然语言推理和零样本分类模型。它基于mDeBERTa-v3-base架构,通过XNLI和multilingual-NLI-26lang-2mil7数据集微调,包含27种语言的270多万个文本对。该模型在XNLI和英语NLI测试中表现优异,展现出卓越的跨语言迁移能力,为多语言NLP任务提供了强大解决方案。
llm_benchmarks - 大语言模型评估基准集合
GithubLLM人工智能开源项目机器学习自然语言处理语言理解
llm_benchmarks是一个全面的大语言模型评估基准集合,涵盖知识理解、推理能力、多轮对话和内容摘要等方面。该项目包含MMLU、ARC、GLUE等知名数据集,用于测试模型在不同任务中的表现。这一标准化工具为评估大语言模型性能提供了可靠依据,有助于相关技术的发展与应用。
Breeze-7B-Instruct-v1_0 - 增强繁体中文处理能力,提高语言模型性能
Breeze-7BGithubHuggingfaceMediaTek传统中文开源项目文本生成模型语言模型
Breeze-7B-Instruct-v1_0 是MediaTek Research开发的语言模型,专为繁体中文应用而设计。基于Breeze-7B-Base的演进,支持问答、多轮对话和文本摘要等任务。其在繁体中文及英语的测试中表现优越,相较于同类开源模型有显著提升。Breeze-7B通过词汇扩展和高效推理性能,在繁体中文任务中展现优势。v1.0版本经过精细化训练,提供高效准确的语言处理。
chinese_roberta_L-2_H-128 - 使用多模态预训练优化中文自然语言处理
CLUECorpusSmallGithubHuggingfaceRoBERTa开源项目模型语言模型预训练
该项目包括24种中文RoBERTa模型,使用CLUECorpusSmall数据集进行训练,效果超过较大数据集。模型通过UER-py和TencentPretrain预训练,并支持多模态框架,参数超过十亿。模型可在HuggingFace和UER-py Modelzoo中获取。项目提供详细的训练过程和关键细节,便于结果复现,着重提升中文自然语言处理任务中的性能。
open-speech-corpora - 开放语料库整理助力语音技术研究与发展
CC-0许可Common VoiceGithub多语言开放语音语料库开源项目语音技术
open-speech-corpora项目为语音技术研究和开发提供了一个丰富的开放语料库清单。这些语料库多为免费并在创意共享许可证或社区数据许可协议下发布,方便研究和商业使用。它覆盖多种语言和超过2万小时的验证语音数据,是学者和开发者理想的数据资源。项目鼓励社区成员提出资源增补,以进一步完善数据库。
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