datablations

对在数据限制下扩展语言模型的方法的研究

language models 训练数据数据重复数据稀缺 C4 Github 开源项目

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。

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。

bagel - 综合数据源与多样化技术的大语言模型训练框架

BagelDPOGithub关键词选择开源项目微调数据集

Bagel是一个综合性大语言模型训练框架，融合多种数据源和先进技术。该项目利用多样化数据集进行监督微调(SFT)和直接偏好优化(DPO)，包括指令、对话和纯文本数据。Bagel采用vicuna、llama-2、alpaca和chat-ml等多种提示格式，旨在提升模型泛化能力。通过SFT和DPO两阶段训练，Bagel致力于打造功能完善、性能优异的语言模型。

llm-toys - 微调小型语言模型实现多任务处理

Githubllm-toys任务微调低资源模型对话摘要开源项目语气变化

llm-toys 项目提供适用于释义、语气转换、对话总结和主题生成等任务的小型量化3B和7B语言模型。这些经过微调的模型能在普通消费级硬件上高效运行，并通过简单的安装步骤提升文本处理和生成能力。

distilbert-base-uncased - 紧凑高效的语言模型，提升下游任务处理速度

DistilBERTGithubHuggingface使用限制开源项目模型模型压缩训练数据语言模型

DistilBERT是一种高效的Transformers模型，比原始BERT更小更快，适合快速推理的下游任务。通过自监督预训练，它支持掩码语言建模和句子预测。主要用于全句任务如分类和问答，尽管继承了部分原模型偏见。在海量公开数据的支持下，DistilBERT在多种任务中表现优异，兼顾性能和速度。可在模型中心查看微调版本。

LongMem - 为语言模型赋予长期记忆能力

GithubLongMem开源项目评估语言模型长期记忆预训练

LongMem项目通过创新的长期记忆机制提升了语言模型的性能。该项目实现了记忆库、检索机制和联合注意力等核心技术，使模型在内容学习任务中表现优异。项目开源了完整代码，包括环境配置、模型结构和评估方法，为研究者提供了便利的复现和探索工具。LongMem为自然语言处理领域开辟了新的研究方向。

aya-expanse-8b - Aya Expanse 8B开源多语言模型研究成果

Aya ExpanseGithubHuggingfaceTransformer架构多语言能力大规模语言模型开源项目模型非商业用途

Aya Expanse 8B是由Cohere For AI开发的多语言大语言模型，注重数据套利、多语言偏好训练、安全调优和模型合并等研究领域。它支持23种语言，具有8亿参数的先进架构。用户可以使用Cohere Playground或Hugging Face进行互动探索。该模型在CC-BY-NC许可证下发布，仅限非商业用途。了解更多信息，请访问相关博客和评估数据集。

decapoda-research-llama-7B-hf - Meta AI开发的7B参数开源语言模型

GithubHuggingfaceLLaMA人工智能大语言模型开源项目机器学习模型语言训练

LLaMA-7B是Meta AI开发的开源语言模型,基于Transformer架构,拥有70亿参数。该模型在多语言数据集上训练,主要针对英语优化,可用于自然语言处理研究,如问答和语言理解。LLaMA-7B适合研究人员探索大型语言模型的能力和局限性,但在实际应用中需要进行风险评估。本模型为基础模型,不建议直接用于下游任务。

awesome-huge-models - 大型AI模型最新动态与开源资源汇总

AI训练GithubLLMdeep learning模型大模型开源开源项目

Baichuan-13B - 包含130亿参数和出色Benchmark性能的大规模开源语言模型

Baichuan-13BGithub对齐模型开源模型开源项目百川智能量化版本

Baichuan-13B是一个包含130亿参数的开源模型，支持中英双语，并在多项Benchmark测试中表现优异。它具有更大的参数量和数据规模，更高效的推理能力，且完全免费商业使用。通过简单的代码即可部署，量化版本大大降低了部署门槛，广泛适用于学术研究和商业应用。

InfiniteBench - 长文本语言模型评测基准挑战10万词极限

GithubInfiniteBench人工智能基准测试开源项目语言模型长文本评估

InfiniteBench是一个专门评测语言模型超长文本处理能力的基准工具。它设计了12个涵盖真实和合成场景的任务，用于测试模型在10万词以上上下文中的理解和推理能力。该基准不仅有助于推动语言模型技术进步，还为改进LLM应用提供了重要参考。InfiniteBench的多样性和专业性使其成为评估长文本处理能力的有效工具。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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