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 中文语料集开源社区数据清洗 huggingface Github 开源项目

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。

访问官网

Github

Huggingface

介绍相关项目

Yi-34B - 开源双语大语言模型Yi-34B，在语言理解和推理性能上超越多款先进模型

GithubHuggingfaceYi双语变压器大语言模型开源开源项目模型

Yi系列的开源双语大语言模型凭借出色的语言理解和推理能力，在全球顶尖LLM排行中占据一席之地。在依托Transformer和Llama架构的基础上，Yi模型通过自有的高质量训练数据和效能优化的训练管道，实现了在多项评测中的领先表现。特别是Yi-34B-Chat模型在AlpacaEval榜单上表现出色，仅次于GPT-4 Turbo，展现出其多领域广泛应用的潜力。

InternVL2-40B - 强化跨模态大语言模型的能力

GithubHuggingfaceInternVL场景文本理解多模态开源项目模型视觉理解计算机视觉

InternVL 2.0 通过融合多模态大语言模型，在文件和图表理解、信息图问答、场景文本理解和OCR任务等方面表现出色。它能够利用长文本、多图片和视频进行训练，提升对多种输入的处理效率，并提供1亿到108亿参数的多种模型可选择，与商业模型相当。在多项基准测试中，InternVL 2.0 展示了其卓越的综合理解能力。

mbart-large-50-many-to-many-mmt - mBART-50多语言机器翻译模型实现50种语言直接互译

GithubHugging FaceHuggingfacemBART-50多语言机器翻译开源项目模型深度学习自然语言处理

mbart-large-50-many-to-many-mmt是基于mBART-large-50微调的多语言机器翻译模型，支持50种语言间直接互译。通过指定目标语言ID作为首个生成token，模型可实现高质量翻译。涵盖主流和低资源语言，该模型为跨语言交流提供了有力支持，无需借助中间语言即可完成翻译任务。

xlm-roberta-xxl - 基于2.5TB数据训练的100语言自然语言处理模型

GithubHuggingfaceXLM-RoBERTa-XL多语言模型开源项目机器学习模型自然语言处理预训练模型

XLM-RoBERTa-XXL是一个基于2.5TB CommonCrawl数据预训练的多语言Transformer模型，支持100种语言的自然语言处理任务。通过掩码语言建模技术实现句子的双向表示学习，适用于序列分类、标记分类、问答等下游任务的微调，可应用于多语言文本分析和跨语言任务场景。

awesome-huggingface - 综合NLP开源项目与Hugging Face集成工具

GithubHugging FaceNLP工具包transformers开源项目机器学习自然语言处理

该项目列出了多个优秀的开源项目和应用，均与Hugging Face库集成，为各类NLP任务提供有效的解决方案。内容涵盖官方库教程、NLP工具包、文本表示、推理引擎、模型扩展、模型压缩、对抗攻击、风格转换、情感分析、语法纠正、翻译、知识与实体、语音处理、多模态学习、强化学习、问答系统、推荐系统、评估工具、神经搜索、云支持和硬件支持等多个领域。此项目能够帮助用户找到并使用适合的工具和库，提升自然语言处理任务的效率和效果。

multilingual-MiniLMv2-L6-mnli-xnli - 轻量级多语言自然语言推理与分类模型

GithubHuggingfaceMiniLMv2多语言翻译开源项目机器学习模型自然语言推理零样本分类

MiniLMv2是一款支持100多种语言的自然语言推理模型，采用知识蒸馏技术从XLM-RoBERTa-large模型优化而来。经过XNLI和MNLI数据集的微调训练，该模型在XNLI测试集达到71.3%的平均准确率。相比原始模型，具备更低的资源消耗和更快的运行速度，适合跨语言迁移学习应用。

M7-7b - 第三方开源项目的模型合并和性能优化

ASCII艺术GithubHuggingfaceLarge Language Modelmergekit开源项目模型模型合并神经网络

M7-7b项目通过mergekit工具和slerp方法实现多个语言模型的高效合并与优化。项目提供了丰富的技术细节，包括参数设置、数据类型和合并流程等，帮助开发者在模型性能提升和应用中获得实用指导。结合liminerity/merge等模型的实例解析，展示了开源项目在AI模型整合中的创新应用，适合对模型合并技术有兴趣的专业人士了解和研究。

mbart-large-cc25 - 基于深度学习的多语言模型支持文本翻译与摘要微调

GithubHugging FaceHuggingfacembart-large-cc25多语言开源项目模型翻译预训练模型

mbart-large-cc25是一个多语言预训练模型，支持多种语言的翻译和文本摘要功能，涵盖了英语、中文、德语等多种语言。此模型可以在特定任务中进行微调，相关代码和文档可在PyTorch和Hugging Face上获得。在多语言交互的应用场景中，该模型表现出良好的适应性与功能性。

MINI_LLM - 完整中文大语言模型训练流程实践

DPOGithubMini-llm大模型开源项目微调预训练

MINI_LLM项目展示了完整的中文大语言模型训练流程，涵盖预训练、SFT指令微调和DPO优化阶段。该项目基于QWEN模型，利用多种数据集训练出1.4B参数规模的模型。项目详细介绍了数据处理方法、提供训练脚本，并包含多GPU训练指南，为中文大语言模型开发提供了实用参考。

t5-3b - 统一多语言自然语言处理任务的创新模型

GithubHuggingfaceT5-3B多任务学习开源项目文本到文本转换模型自然语言处理预训练模型

T5-3B是一个拥有30亿参数的多语言自然语言处理模型。它采用创新的文本到文本框架，统一处理机器翻译、文档摘要、问答和分类等多种NLP任务。该模型在C4语料库上预训练，并在24个任务中进行评估，展现出优秀的多语言和多任务处理能力。T5-3B为NLP领域的迁移学习研究提供了新的思路和可能性。

相关项目

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

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

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号