Logo
Project Icon

CoT-Collection

思维链微调数据集提升语言模型少样本学习能力

CoT-Collection思维链语言模型零样本学习few-shot学习Github开源项目

CoT-Collection数据集包含184万个思维链推理过程，覆盖1060个任务。该项目通过思维链微调提升语言模型的零样本和少样本学习能力。研究人员可通过Hugging Face获取数据集和预训练模型。这一资源有助于增强AI系统的推理能力，仅供非商业研究使用。

GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
llm-resource - 大模型资源汇总及实用技术详解
ChatGPTGPT-2GithubLLMMOETransformer开源项目
LLM百宝箱是大模型相关资源的综合汇总，包括算法、训练、推理、数据工程、压缩和测评等方面。用户可以通过目录和链接快速找到相关内容，如Transformer和GPT模型的原理和源码解析，以及混合专家模型（MoE）等前沿技术。此外，还提供了LLM微调、对齐和推理优化的实现方案和技巧，帮助开发者和研究者深入掌握并应用大模型技术。
CDial-GPT - 大规模中文短文本对话数据集及中文预训练对话模型
CDial-GPTGithubLCCC中文对话数据集对话生成开源项目预训练模型
CDial-GPT 借助丰富的中文对话数据集和创新的机器学习技术为语言模型预训练提供解决方案。平台提供多样化的预训练模型，便于微调和实际应用，同时支持通过 HuggingFace 访问，适用于多场景如客服自动化和聊天机器人，推进中文自然语言处理的发展。
codet5-small - 基于标识符语义的代码理解与生成统一模型
CodeT5GithubHuggingface代码理解代码生成开源项目机器学习模型预训练模型
CodeT5是一个基于Transformer架构的代码处理模型，专注于通过标识符提升代码语义理解能力。模型支持代码摘要、生成、翻译等多种任务，在835万个CodeSearchNet数据集实例上完成预训练。其创新的标识符识别机制显著提升了代码理解和生成的效果。
awesome-synthetic-datasets - 大语言模型合成数据集资源汇总
CosmopediaGithubSelf-InstructTinyStories合成数据集大语言模型开源项目
该项目整理了大语言模型生成合成数据集的相关资源，包括教程、技术、数据集、工具和论文。涵盖TinyStories、Cosmopedia等数据集，以及Self-Instruct、AutoPrompt等技术，为AI研究和开发提供参考。
OmniCorpus - 百亿级图文交错数据集推动多模态AI研究新高度
GithubOmniCorpus图像文本交错多模态数据集大规模数据开源项目数据处理管道
OmniCorpus是一个大规模多模态数据集，包含86亿张图像和1,696亿个文本标记。该数据集提供中英双语内容，涵盖从网站和视频平台提取的文本和视觉文档，具有高度的数据多样性和灵活性。与之前最大的数据集LAION-5B相比，OmniCorpus在图像和文本规模上分别大1.7倍和12.5倍，同时保持了优秀的数据质量。研究表明，基于此数据集训练的模型在图像描述和视觉问答等任务中表现出色。OmniCorpus采用流式数据格式，可适应多种数据结构，包括纯文本语料库、图文对和交错数据格式。这一特性使其在自然语言处理、计算机视觉和多模态AI等领域的研究和应用中具有广泛潜力。
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。
Chinese-Tiny-LLM - 中文大语言模型训练流程与高质量语料库开源项目
Chinese-Tiny-LLMGithub中文语料库开源项目自然语言处理语言模型预训练
Chinese-Tiny-LLM项目提供完整的中文网络语料清洗流程和预训练代码，包含MAP-CC（8000亿中文token预训练数据集）、CHC-Bench（中文难例指令理解基准测试）和CT-LLM（2B参数中文中心语言模型）。该项目突破了传统依赖英语语料库的LLM训练方法，为构建更具包容性和适应性的语言模型奠定基础。
Thought-Cloning - 模仿人类思维的智能体学习框架
GithubThought Cloning人工智能开源项目强化学习模仿学习神经网络
Thought Cloning是一种模仿学习框架，训练智能体模拟人类思维模式以提升性能和可解释性。该项目基于BabyAI环境实现，采用合成思维数据集。研究显示，这种方法能提高智能体在复杂任务中的表现和泛化能力。项目开源了代码、数据集和预训练模型，为研究人员提供了分析智能体思维过程的工具。
T0_3B - 小规模T0模型超越GPT-3，进行零样本自然语言任务处理
GithubHuggingfaceT0偏见与公平性开源项目模型模型训练自然语言处理评估数据
T0*模型通过自然语言提示实现零样本任务泛化，性能超越GPT-3，且模型体积缩小至16分之一。该模型在多任务提示数据集中微调，能够针对未见任务做出高效预测。适用于多种推理场景，包括情感分析、句子重排列和词义判断等。其训练数据源自多个数据集并经过严谨评估，保障模型性能可靠性。虽然T0*模型参数较大，但通过优化和并行化方案能够有效应用于多GPU环境。
MAmmoTH2-8B-Plus - 基于网络数据的大规模指令微调方法
GithubHuggingfaceMAmmoTH2大语言模型开源项目推理能力模型算法评估语言模型训练
MAmmoTH2项目通过从网络预训练语料中高效收集1000万条指令-回答对来提升大语言模型的推理能力。该方法显著改善了模型在多个推理基准测试上的表现，如MAmmoTH2-7B (Mistral)在MATH和GSM8K测试中的得分大幅提升。这种方法不仅无需特定领域数据训练，还为获取大规模高质量指令数据提供了一种高效的途径，为增强大语言模型的推理能力提供了新的研究方向。
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