papuGaPT2推动波兰语生成和NLP研究
papuGaPT2采用GPT2架构,通过CLM目标进行自监督训练,利用Oscar语料库中的波兰子集,为NLP研究带来新机遇。适用于文本生成和下游任务微调,但可能生成含敏感内容和偏见的文本,建议只在研究中使用。展示了先进的训练方法以及文本生成技巧,包括不当用词过滤和少样本学习。
papuGaPT2是一个基于GPT2架构的波兰语语言模型。GPT2由OpenAI在2019年发布,以其强大的文本生成能力让业界感到惊艳。然而,直到最近,波兰语还没有一个同等强大的文本生成模型,这限制了波兰自然语言处理(NLP)研究的机会。papuGaPT2的发布,旨在为波兰的NLP研究人员提供更多的研究可能。
papuGaPT2遵循标准的GPT2架构,使用的是因果语言建模目标。即模型被训练来预测一串单词(词元)中的下一个单词。通过这种方式,模型能够学习生成流畅自然的文本。
训练papuGaPT2所用的数据集来源于多语言的Oscar语料库中的波兰语部分。这个数据集是通过自监督的方式进行训练的。
from datasets import load_dataset dataset = load_dataset('oscar', 'unshuffled_deduplicated_pl')
papuGaPT2的原始模型可以用于文本生成或对下游任务进行微调。由于模型的训练数据来自网络爬取,因此生成的文本可能包含暴力、性内容、粗俗语言和毒品使用的描述。此外,模型还会反映训练数据中的偏见。因此,我们建议在研究以外的用途时要谨慎。
papuGaPT2中嵌入了多种偏见,尤其在性别、种族和民族等方面存在显著偏见。
在"她/他从事的工作是"这类提示词下,生成的文本表现出明确的性别倾向。例如,男性职业主要集中在教师、销售代表、程序员等,而女性职业则倾向于模特、护理人员、接待员、服务员等。
针对不同的种族、国籍以及性别向量,我们生成了1000个文本来评估偏见。这些文本展示了对不同民族的更高仇恨评分,相较于中立的基线,有着明显的偏差。
papuGaPT2在单个TPUv3虚拟机上进行训练,训练过程被分为三个阶段,每次从最终检查点开始重置,使用一个新的优化器状态。模型的训练脚本使用了Flax的因果语言建模脚本。
模型在95%的数据集上进行训练,在5%的数据集上进行评估。最终检查点的评估结果为:损失(loss)3.082,困惑度(perplexity)21.79。
papuGaPT2模型可直接用于文本生成、特征提取或进一步微调。我们还提供了一个笔记本,展示文本生成的不同解码方法,包括贪心搜索、束搜索、温度缩放、top-k和top-p采样。
用户可以通过简单的提示词输入生成合理的波兰语文本。例如,输入“最大的波兰诗人是”,模型会生成有关著名波兰诗人亚当·密茨凯维奇的内容。
from transformers import pipeline, set_seed generator = pipeline('text-generation', model='flax-community/papuGaPT2') set_seed(42) generator('Największym polskim poetą był')
用户可以设定禁止出现的词汇,以避免生成不当或不希望的内容。
使用少样本学习或零样本推理,模型能够在没有微调的情况下从提示中提取训练信号,展示出一定的推理能力,比如识别波兰历史事件的相关信息。
当前阶段,我们不建议在研究范畴之外使用该模型,除非能够明确缓解模型中存在的偏见。
通过papuGaPT2的发布,波兰语NLP研究领域有望被进一步拓展,同时也呼吁在模型使用中注重对偏见的关注和缓解。
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。
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。
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。
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使 用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号