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。

Awesome_Multimodel_LLM - 多模态大语言模型资源集锦及研究动态

Github上下文学习多模态大语言模型开源项目思维链指令微调视觉推理

本项目汇集了多模态大语言模型(MLLM)相关资源,涵盖数据集、指令微调、上下文学习、思维链等多个方面。内容持续更新,跟踪MLLM领域最新进展。项目还将发布LLM和MLLM最新研究综述。这是研究人员和开发者了解MLLM前沿动态的重要参考。

MINT-1T - 万亿级开源多模态数据集推动AI研究

GithubMINT-1T图文数据多模态数据集开源数据开源项目海量数据

MINT-1T是一个大规模开源多模态数据集，包含1万亿文本标记和34亿张图像，比现有开源数据集规模扩大约10倍。该数据集首次纳入PDF和ArXiv论文等新数据源，提供HTML、PDF和ArXiv等多个子集。MINT-1T旨在为大规模多模态AI模型研究提供丰富的训练资源，其规模和多样性有望促进多模态AI技术的发展。

OCR_DataSet - 综合OCR数据集资源库及工具集

Github图像标注开源项目数据集文字识别深度学习计算机视觉

OCR_DataSet项目整合了13个知名的多语言OCR数据集，涵盖ICDAR2015、MLT2019和COCO-Text_v2等。项目特色包括数据格式统一化、便捷的百度网盘下载、详尽的数据集信息表和简化的读取脚本。此外，项目还提供了数据生成工具链接，为OCR领域的研究和开发工作提供了全面的资源支持。

ViT-L-16-HTxt-Recap-CLIP - 对比图文模型在零样本图像分类中的新进展

CLIPGithubHuggingfaceLLaMA-3图像分类对比学习开源项目数据集偏见模型

这个模型利用Recap-DataComp-1B数据集训练，旨在实现零样本图像分类。通过OpenCLIP库，用户能够编码和分类图像与文本。模型的数据源自网络抓取并经过重新标注，可能会包含偏见或不准确之处，请在使用时注意这些风险。更多数据集详情可以查阅数据集卡片页面。

langchain-tutorials - LangChain教程与项目实例集合

GithubLangChain人工智能开源项目教程机器学习自然语言处理

LangChain是一个用于构建LLM应用的框架。本项目提供全面的教程和示例，涵盖核心概念、使用案例和实际项目。内容包括文本摘要、问答系统、数据提取和聊天机器人等多个应用领域。通过丰富的代码示例和视频教程，开发者可以快速掌握LangChain，构建各类AI应用。

ChineseWebText - 大规模中文网络文本数据集及其评估工具链

ChineseWebTextGithub开源项目数据评估模型网页文本处理自然语言处理高质量中文数据集

ChineseWebText是一个大规模中文网络文本数据集，总容量达1.42TB，每条文本均附带质量评分。该项目还提供了一个600GB的高质量子集，文本质量均超过90%。项目包含EvalWeb工具链，用于从原始网络数据中提取优质中文文本。EvalWeb通过数据准备、预处理和BERT评估模型对文本质量进行筛选和评估。此外，项目还开发了基于FastText的快速分类器，在保持性能的同时提高了处理效率。

datablations - 对在数据限制下扩展语言模型的方法的研究

C4Githublanguage models开源项目数据稀缺数据重复训练数据

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。

contextualized-topic-models - 多语言支持的上下文话题模型工具，适用于零样本学习

BERTCombinedTMContextualized Topic ModelsGithubSBERTZeroShotTM开源项目

提供先进的上下文字话题模型工具，支持BERT等预训练语言模型，适用于多语言和零样本学习。CTM包含CombinedTM和ZeroShotTM两大主要模型，能适应不同任务需求。通过结合上下文嵌入和词袋模型，CTM能够生成更具连贯性的主题。项目还提供Kitty子模块用于人机交互文档分类，并附有详细教程和文档，帮助用户快速上手，提升话题建模效果。

Transformers-Tutorials - Transformers库深度学习模型教程集合

GithubHuggingFaceTransformers开源项目深度学习自然语言处理计算机视觉

这个项目汇集了基于HuggingFace Transformers库的多种深度学习模型教程，涵盖自然语言处理和计算机视觉等领域。内容包括BERT、DETR、LayoutLM等模型的微调和推理示例，展示了在图像分类、目标检测、文档分析等任务中的应用。所有代码采用PyTorch实现，并提供Colab notebooks方便实践。

ContinualLM - 语言模型持续学习的开源框架

ContinualLMGithub开源项目语言模型迁移学习连续学习领域适应

ContinualLM是专注于语言模型持续学习的开源框架。它集成多种先进方法,采用统一的训练评估流程。支持领域自适应预训练和端任务微调,包含6个领域数据集。该框架致力于推动语言模型持续学习研究,为研究人员提供灵活有力的工具。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com