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：
[object Object]
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
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
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。
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