#领域适应
awesome-source-free-test-time-adaptation - 测试时适应研究论文汇总与分类
测试时适应领域适应无源数据机器学习神经网络Github开源项目
该项目整理了测试时适应(TTA)研究领域的论文，涵盖自监督、信息熵、批量归一化等多个方向。列表包含最新研究成果和代码链接，定期更新维护。为机器学习研究人员和开发者提供TTA技术的系统概览，便于深入学习和应用。
awesome-domain-adaptation - 领域自适应技术研究综合资源库
领域适应迁移学习对抗学习无监督学习深度学习Github开源项目
该项目汇集了领域自适应技术的最新研究论文、代码和相关资源。内容涵盖无监督、半监督、弱监督等多个子领域,以及计算机视觉、自然语言处理等应用场景。论文按主题分类整理,并提供代码实现链接,方便研究人员快速了解该领域前沿进展,是领域自适应研究的重要参考资料库。
ContinualLM - 语言模型持续学习的开源框架
ContinualLM连续学习语言模型迁移学习领域适应Github开源项目
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。
HuatuoGPT-II - 创新医疗AI模型在中文医疗场景超越GPT-4
HuatuoGPT2医疗大语言模型领域适应中文医疗人工智能Github开源项目
HuatuoGPT-II是一款面向医疗领域的大型语言模型，采用一阶段适应方法提升医学知识和对话能力。在多项医疗基准测试中表现优异，专家评估和最新医学执照考试中超越GPT-4。项目开源了多个版本模型、训练代码和部分数据，为医疗AI研究提供支持。
KBIR - 关键词边界填充模型，支持多样化自然语言处理任务
领域适应GithubKBIR文本表示开源项目关键短语提取自然语言处理Huggingface模型
KBIR模型采用新预训练方法进行关键词边界填充，提升关键任务表现。基于RoBERTa架构，使其广泛适用于命名实体识别、问答等自然语言处理任务，可利用预训练嵌入在多种AutoModel环境中灵活应用。
相关文章
