Mol-Instructions

大规模生物分子指令数据集助力大语言模型

Mol-Instructions 生物分子大语言模型数据集蛋白质 Github 开源项目

Mol-Instructions是一个开放的大规模生物分子指令数据集,包含分子导向、蛋白质导向和生物分子文本三类指令。数据集涵盖分子设计、蛋白质功能预测等多个任务,通过AI协作、数据提取和模板转换等方法构建。该数据集旨在增强大语言模型在生物分子领域的表现,现已在Hugging Face平台发布。

ChemLLMBench - 化学领域大语言模型能力评估的全面基准

ChemLLMBenchGithubNeurIPS 2023化学基准测试大语言模型开源项目

ChemLLMBench是一个评估大语言模型在化学领域能力的全面基准。该项目包含八个化学任务，从分子结构预测到反应产率预测，并提供详细数据集、评估方法和基线模型。ChemLLMBench为研究人员探索大语言模型在化学应用提供重要参考，其研究成果已被NeurIPS 2023数据集与基准赛道接收，彰显学术影响力。

Mistral-Large-Instruct-2407 - Mistral大语言模型在多语言理解与高级推理方面展现卓越性能

GithubHuggingfaceMistral-Large-Instruct人工智能授权函数调用多语言支持大语言模型开源项目模型

Mistral-Large-Instruct-2407作为一款基于123B参数构建的大规模语言模型，集成了多语言处理、代码编程和数学推理等核心功能。模型配备128k上下文窗口，支持80余种编程语言，同时提供函数调用与JSON输出特性。在MMLU测试中达到84.0%的优异成绩，MT Bench评分为8.63，彰显其在自然语言处理领域的实力。目前该模型已开放研究及非商用场景应用。

guacamol_baselines - 化学生成任务评估基准模型集合

GithubGuacaMolSMILES基准模型开源项目机器学习生成化学

GuacaMol Baselines项目为化学生成任务评估提供多种基准模型实现。包含随机采样、ChEMBL最佳选择、SMILES和图遗传算法、图蒙特卡洛树搜索以及SMILES LSTM变体等方法。项目配备预训练模型、数据集脚本和Docker容器，便于研究人员部署和比较各类生成模型。

multilingual-e5-large-instruct - 支持100+语言的多语言大规模指令型自然语言处理模型

GithubHuggingfaceMTEB分类多语言开源项目检索模型模型评估

multilingual-e5-large-instruct是一个多语言大规模指令型语言模型，支持100多种语言的文本处理。该模型在MTEB基准测试的分类、检索、聚类等任务中表现优秀，展现了优异的跨语言能力。它可应用于多语言文本嵌入、语义搜索、文本分类等场景，为自然语言处理提供了实用的多语言解决方案。

awesome-instruction-dataset - 开源的多任务多语言指令微调数据集

AlpacaChatGPTGithubLLMsRLHF开源项目数据集

该项目收录了一系列开源指令微调数据集，用以训练基于聊天的LLM（如GPT-4、ChatGPT、LLaMA、Alpaca）。数据集包括视觉指令微调、文本指令微调和人类反馈增强学习（RLHF）数据集。项目提供了详尽的数据集列表，方便研究人员和开发人员使用这些资源。支持多任务和多语言，覆盖英语、中文等多种语言数据，数据集来源多样，包括人类生成、自我指令生成以及混合数据集，适合多种LLM训练需要。

roberta_zinc_480m - 基于ZINC数据库的SMILES字符串生成分子嵌入的Roberta模型

GithubHuggingfaceRoberta Zinc 480mSMILES字符串ZINC数据库化学分子嵌入生成开源项目模型

Roberta风格的语言模型，使用480m个SMILES字符串进行训练，拥有102m参数。经过150000次迭代，该模型专用于生成分子嵌入，适合应用在化学分析和药物研发中。

ml-engineering - 大规模语言模型与多模态模型的训练方法

BLOOM-176BContextual.AIGithubHuggingFaceLarge Language ModelsVLM开源项目

本指南系统介绍了方法、工具和逐步操作说明，帮助工程师成功训练大规模语言模型（LLM）和多模态模型（VLM）。内容涵盖丰富的脚本和命令，适合LLM/VLM训练工程师和操作员使用。基于作者在开源BLOOM-176B和IDEFICS-80B模型训练中的经验，提供有效解决方案，并持续更新，服务于ML社区。

EuroLLM-1.7B-Instruct - 支持35种语言的欧洲开源大语言模型

EuroLLMGithubHuggingface多语言模型开源项目机器翻译模型神经网络自然语言处理

EuroLLM-1.7B-Instruct是一个欧盟支持开发的大语言模型,具备17亿参数规模,可处理包括欧盟在内的35种语言。模型在机器翻译性能方面超越同规模的Gemma-2B模型,接近更大规模的Gemma-7B水平。采用transformer架构和分组查询机制,实现高效推理。这是欧盟首个面向多语言处理的开源语言模型项目。

Mistral-7B-Instruct-v0.1 - 多种推理方式支持的指令调优大语言模型

GithubHuggingfaceMistral-7B-Instruct-v0.1大语言模型开源项目指令微调机器学习模型自然语言处理

Mistral-7B-Instruct-v0.1是基于Mistral-7B-v0.1的指令调优大语言模型。该模型通过多种公开对话数据集微调，支持mistral_common、mistral_inference和transformers等多种推理方式。它采用分组查询注意力和滑动窗口注意力机制，结合字节回退BPE分词器，提供简单的指令格式，适用于对话生成任务。模型架构优化使其在保持高性能的同时，具备良好的通用性和易用性。

txtinstruct - 开源框架简化指令调优模型开发

Githubtxtinstruct开源框架开源项目指令调优数据集模型训练

txtinstruct是一个开源的指令调优模型训练框架，支持开放数据和模型，可与自有数据集成。它旨在解决指令数据集和大型语言模型许可不明确的问题，便于构建个性化指令数据集和模型。基于Python 3.8+和txtai构建，txtinstruct提供简便的安装方法和丰富示例，方便用户快速开发指令调优模型。

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。

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