Chinese-Word-Vectors

多样化中文词向量预训练模型集合

Chinese Word Vectors 词向量语义关系中文语料库 Github 开源项目

该项目集成了多种中文词向量模型，涵盖稠密和稀疏表示方法，以及词、n-gram、字符等上下文特征。同时提供中文类比推理数据集CA8和评估工具包，便于模型质量评估。这些预训练资源可应用于多种自然语言处理任务，为相关研究和开发工作提供了有力支持。

Github

文档

论文

介绍相关项目

LLM2Vec-Meta-Llama-3-8B-Instruct-mntp-supervised - LLM2Vec-Meta-Llama-3-8B模型——文本嵌入与语义相似度的高效工具

GithubHuggingfaceLLM2Vec-Meta-Llama-3-supervised分类句子相似度开源项目文本检索模型特征提取

LLM2Vec-Meta-Llama-3-8B-Instruct-mntp项目提供了创新的文本嵌入技术，支持文本分类、信息检索、重排序和聚类等多种任务。通过其监督模型，有效提升精度和召回率，如在Amazon反事实分类任务中准确率达79.94%，在ArguAna数据集的检索任务中各项指标优异。此项目在多种自然语言处理中展现出显著应用潜力，是评价文本语义相似度的关键工具。

fastText - 高效词向量学习和文本分类库

GithubfastText开源项目文本分类机器学习自然语言处理词向量

fastText是Facebook开发的开源自然语言处理库,专注于高效词向量学习和文本分类。它支持157种语言,利用子词信息丰富词向量表示,并采用多种技巧提升分类性能。该库易用且训练速度快,适合大规模文本处理。fastText还提供模型量化功能,可大幅压缩模型体积,便于部署。

360zhinao - 支持超长上下文的开源大语言模型

360智脑Github大语言模型开源模型开源项目自然语言处理长上下文

360Zhinao是一系列开源大语言模型,包括基础模型和聊天模型。该项目利用3.4万亿高质量语料训练,在多项基准测试中表现优异。其聊天模型支持4K、32K和360K三种上下文长度,其中360K(约50万中文字符)为开源中文模型最长。此外,360Zhinao还发布了搜索和重排模型,在C-MTEB排行榜上表现出色。该项目持续更新,不断推进大语言模型技术发展。

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。

Luotuo-Chinese-LLM - 综合性中文大语言模型开源项目

Github中文大语言模型子项目开源开源项目快速上手骆驼项目

骆驼(Luotuo)项目是一个综合性中文大语言模型开源项目，涵盖Chat凉宫春日、骆驼嵌入、骆驼QA等多个子项目。该项目由来自商汤科技和华中师范大学的研究人员发起，致力于推进中文大语言模型的研发和应用。项目内容包括模型训练、数据处理和应用开发等多个领域，为研究人员和开发者提供了丰富的开源资源。

bge-small-zh-v1.5 - 轻量级中文文本向量化嵌入模型

FlagEmbeddingGithubHuggingfaceMTEB向量嵌入开源项目模型模型训练语义检索

作为FlagEmbedding项目的核心组件,bge-small-zh-v1.5是一款专门面向中文场景的轻量级文本嵌入模型。该模型能将文本转化为低维向量表示,支持信息检索、文本分类和语义聚类等多种应用场景。在v1.5版本中优化了相似度计算机制,提升了零样本检索性能。模型支持主流深度学习框架调用,可无缝集成到向量数据库等实际应用中。

m3e-base - 中英双语文本嵌入模型，支持多种自然语言处理任务

GithubHuggingfaceM3Esentence-transformers开源项目微调文本嵌入文本相似度模型

M3E是一个开源的文本嵌入模型，在2200万+中文句对数据集上训练。该模型支持中英双语的文本相似度计算和检索，适用于文本分类、检索等多种自然语言处理任务。M3E在MTEB-zh基准测试中表现优异，多项指标超越了OpenAI的同类模型。它易于使用和微调，完全兼容sentence-transformers生态系统。

Visual-Chinese-LLaMA-Alpaca - 多模态中文模型VisualCLA开发与优化技术

CLIP-ViTChinese-Alpaca-PlusGithubLLaMAVisual-Chinese-LLaMA-Alpaca多模态模型开源项目

VisualCLA基于中文LLaMA/Alpaca模型，增加图像编码模块，实现图文联合理解和对话能力。目前发布测试版，提供推理代码和部署脚本，并展示多模态指令理解效果。未来将通过预训练和精调优化，扩展应用场景。

ToolGood.Words - 多功能中文文本处理与敏感词过滤库

GithubToolGood.Words字符串搜索开源项目拼音操作敏感词检测繁简转换

ToolGood.Words是一个高性能的中文文本处理库，集成了敏感词检测、繁简体转换、全半角转换、拼音处理等功能。该项目提供多种高效的字符串搜索算法，支持通配符匹配，并包含拼音匹配和文本转换等实用工具。在大规模敏感词库上，其处理速度可达3亿字符每秒。这个开源项目适用于内容审核、文本过滤等多种应用场景。

llm-app-stack - 全面的大语言模型应用开发资源集合

AIGithubLLM应用程序架构开源开源项目数据处理

LLM-App-Stack项目汇总了构建大语言模型应用所需的各类工具和服务。该资源集合涵盖数据管道、嵌入模型、向量数据库、编排工具和API插件等关键组件。项目同时整合了专有和开源的LLM API，以及应用托管平台和云服务选项，为开发者提供了全面的技术栈参考。这一资源库旨在帮助开发者更高效地构建和部署智能应用。

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