Project Icon

miracl

跨18语言的多语言信息检索数据集

MIRACL项目提供了一个跨18种语言的多语言信息检索数据集,涵盖全球超过30亿母语使用者。该数据集包含16种已知语言的Wikipedia语料库,并提供相应的训练和开发数据。项目还包括基于BM25和mDPR的基线系统,以及使用Pyserini复现结果的指南。这一资源为多语言信息检索研究提供了有价值的支持。

WanJuan1.0 - 开源多模态语料库推动AI模型性能提升
GithubWanJuan上海人工智能实验室图文数据集多模态语料库开源项目文本数据集
WanJuan1.0是一个开源多模态语料库,包含超过5亿文档、22万图文对的文本、图像和视频数据,总量超2TB。涵盖科技、文学等多领域,经过精细处理和价值观对齐。该语料库已应用于Intern系列大模型训练,显著提升了模型在语义理解、知识问答等任务的表现,可有效增强AI模型的知识内容、逻辑推理和泛化能力。
awesome-llm-and-aigc - 大型语言模型、视觉基础模型及人工智能生成内容的关键项目、数据集和应用合集
AI Generated ContentGithubLarge Language Model应用开发平台开源项目数据集神经网络架构
awesome-llm-and-aigc项目整合了大型语言模型、视觉基础模型及人工智能生成内容的关键项目、数据集和应用。项目涵盖了神经网络架构、多种语言和视觉模型的开发实现,到具体的应用平台,为研究人员和开发者提供全面资源。适合寻找最新的行业动态、学习资源和社区交流的技术人员和爱好者。通过加入关键词如'开源', 'AI技术', '整合',进一步提高SEO优化效率。
ir_datasets - 统一信息检索数据集接口的Python工具
GithubPython包ir_datasets信息检索开源项目数据集文档检索
ir_datasets是一个Python工具包,为信息检索领域的多种数据集提供统一接口。它可自动下载和处理公开数据集,并为非公开数据集提供获取指南。该工具支持Python和命令行使用,能处理大规模数据集,并修正已知问题。通过快速随机文档访问和灵活迭代切片等功能,ir_datasets简化了信息检索研究中的数据处理流程。
CLUE - 中文语言理解测评数据集与基准模型排行榜
CLUE benchmarkGithubPaddlePaddle中文语言理解开源项目排行榜深度学习框架
CLUE基准提供全面的中文语言理解数据集、预训练模型、语料库和定期更新的排行榜。涵盖多种任务和难度,支持PaddlePaddle等深度学习框架。通过测试和对比不同模型的表现,推动中文自然语言处理技术的发展。
MiraData - 长时视频数据集助力AI视频生成研究
GithubMiraData开源项目结构化标注视频数据集视频生成长视频
MiraData是一个为长视频生成任务设计的大规模数据集。其特点包括平均72秒的视频长度和详细的结构化字幕。数据集提供330K、93K、42K和9K四个版本,每个视频配有六类字幕:主要对象、背景、风格、相机运动、简短摘要和详细描述。这些特性使MiraData成为改进长序列视频处理和镜头转换建模的重要资源。
llm-datasets - LLM微调优质数据集与工具资源库
GithubLLM对话开源项目微调指令跟随数据集
LLM Datasets项目汇集了大语言模型微调所需的优质数据集、实用工具和核心概念。涵盖通用、数学逻辑、编程和对话等多个领域,项目详细阐述了高质量数据集的特征。为研究人员和开发者提供多样化的LLM微调数据资源,旨在促进模型性能提升。
awesome-semantic-search - 语义搜索与语义相似性全面资源
AIGithubNLPSemantic SearchSemantic SimilarityText Embedding开源项目
综合性语义搜索和相似性资源库,包含多领域的学术论文、工具和数据集,适用于搜索引擎优化和信息检索研究,不仅限于文本,还涵盖图像、语音等应用。
acl-anthology - ACL Anthology 计算语言学开放获取论文库
ACL AnthologyGithub元数据学术论文库开源项目自然语言处理
ACL Anthology是计算语言学和自然语言处理领域的开放获取论文库。该项目收录ACL主办的会议和期刊论文,提供元数据、论文检索、在线阅读和引用生成等功能。ACL Anthology开源了网站代码和Python API,方便研究人员访问和利用数据。项目旨在促进计算语言学研究的开放获取和知识共享,是NLP领域的重要学术资源。
lilac - 开源解决方案促进AI数据探索与质量管理
AI训练GithubLilac开源项目数据探索数据质量控制数据集处理
Lilac是一个开源的AI数据处理工具,专注于数据集的探索、管理和质量控制。它提供交互式数据探索、LLM驱动的搜索、聚类和标注功能,支持本地运行和云端处理。Lilac能够优化数据集,降低AI训练成本,并支持语义搜索和概念搜索等高级特性。该工具已被Cohere和Databricks等公司采用,用于改善预训练和微调数据的质量。
aquila - 高效构建神经信息检索应用的工具
Aquila DBGithubJSON MetadataLatent VectorsNeural Search Enginek-NN Retrieval开源项目
Aquila DB 是一个高效的神经搜索引擎,专为机器学习应用的数据存储和检索设计。它能够索引机器学习模型生成的潜在向量和 JSON 元数据,并进行 k-NN 检索。Aquila DB 适合数据科学家和机器学习工程师,以便快速构建神经信息检索应用,且依赖性低。支持多种编程语言和 Docker 部署,集成简便。目前处于 alpha 版本,并已在生产环境中使用。
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

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。

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