Awesome-instruction-tuning
介绍开源指令调优数据集和模型的精选资源库
此页面汇总了开源的指令调优数据集、模型、相关论文和资源库的精选列表。涵盖传统NLP任务修改的数据集、大型语言模型生成的数据，还包括跨语言翻译工具和研究论文链接。对于研究和应用指令调优技术的研究人员、开发者和数据科学家，这是一个重要的参考资源。
项目介绍：Awesome-instruction-tuning
Awesome-instruction-tuning 是一个细心整理的开源项目，专注于指令微调（Instruction Tuning）领域的数据集、模型、研究论文以及相关的代码库。
数据集与模型
从传统自然语言处理 (NLP) 转化 该项目遵循了 Longpre 等人的研究，将来自传统 NLP 任务的所有已知指令微调数据集汇总列出。以下是一些重要的数据集及其相关模型：
- UnifiedQA: 于2020年5月发布，共有46个任务和750k个实例。它以RoBerta为基底，模型规模在110-340 M。
- CrossFit 和 Natural Inst v1.0: 两者都于2021年4月发布，分别包含159和61个任务。
- Flan 2021 和 2022: 分别在21年和22年发布，Flan 2022 包含了1836个任务，其庞大的15M实例数据支持了T5-LM和PaLM这两种基础模型，提供10 M到540 B的模型规模。
- 其他如: P3, MetalCL, Super-Natural Inst., GLM 等数据集也被列入其中，每个数据集都有其特定用途和模型。
通过大型语言模型 (LLM) 生成的内容 大型语言模型生成的数据集也得到收录。这些模型包括如GPT-3、Stanford的 Alpaca、Chinese-Vicuna 等，这些数据集的任务实例和语言种类非常多样，支持多语言环境。
多语言工具
在大多数情况下，现有数据集主要以英语为主，许多全球人口并未得到足够的数据支持。为解决这一问题，项目开发了一个基于Helsinki-NLP的开源翻译工具，能够将英文数据集翻译为100多种语言。虽然这些翻译数据集可能会有一定的噪声，但依旧是一个降低数据成本的有效替代方案。
翻译工具使用示例：
python translator.py Helsinki-NLP/opus-mt-en-zh alpaca_data.json
此外，为了解决重复翻译问题，提供了一个名为 "process.py" 的工具来优化翻译结果。
研究论文
项目详细审阅了相关领域的科研论文，并列出了最有价值的几篇，包括强调零样本学习（Zero-Shot Learning）、人类反馈、跨任务泛化等主题的重要研究。
相关代码库
为了方便感兴趣的开发者和研究人员深入探讨，项目还提供了一系列相关的存储库链接：
- Instruction相关: awesome-instruction-learning, awesome-instruction-dataset
- ICL（上下文学习）相关: ICL_PaperList, prompt-in-context-learning
- 推理相关: LM-reasoning, LLM-Reasoning-Papers, Chain-of-ThoughtsPapers
- 框架: OpenICL
Awesome-instruction-tuning 项目正以丰富多样的数据集、模型，并结合最新研究进展，不断推动指令微调研究的前进。它不仅为研究人员提供了扩展现有工作的平台，也为实现多语言与大 规模数据处理提供了更多的可能性。
编辑推荐精选
openai-agents-python
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。
Hunyuan3D-2
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。
3FS
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。
TRELLIS
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。
ai-agents-for-beginners
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。
AEE
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。
UI-TARS-desktop
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。
Wan2.1
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。
爱图表
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。
Qwen2.5-VL
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。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
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