data_management_LLM

大型语言模型训练数据管理资源汇总

大语言模型训练数据管理预训练监督微调数据质量 Github 开源项目

该项目汇总了大型语言模型训练数据管理的相关资源。内容涵盖预训练和监督微调阶段，探讨领域组成、数据数量和质量等关键方面。项目还收录了数据去重、毒性过滤等技术，以及不同因素间的关系研究。这些资源为优化LLM训练数据管理提供了全面参考。

LLM4Annotation - 大型语言模型在数据标注中的应用及研究进展

Github大语言模型少样本学习开源项目提示工程数据标注知识蒸馏

LLM4Annotation项目概述了大型语言模型在数据标注领域的应用研究。该项目涵盖LLM标注方法、质量评估及学习利用等方面，探讨了LLM提升数据标注效率和质量的潜力。这份综述为相关研究人员提供了系统性参考，展示了LLM在数据标注领域的最新进展。

Chinese-Tiny-LLM - 中文大语言模型训练流程与高质量语料库开源项目

Chinese-Tiny-LLMGithub中文语料库开源项目自然语言处理语言模型预训练

Chinese-Tiny-LLM项目提供完整的中文网络语料清洗流程和预训练代码，包含MAP-CC（8000亿中文token预训练数据集）、CHC-Bench（中文难例指令理解基准测试）和CT-LLM（2B参数中文中心语言模型）。该项目突破了传统依赖英语语料库的LLM训练方法，为构建更具包容性和适应性的语言模型奠定基础。

Awesome-Efficient-LLM - 知识蒸馏、网络剪枝、量化和加速推理等针对大型语言模型优化的关键技术的汇总

GithubLarge Language Models开源项目效率优化模型剪枝知识蒸馏量化

Awesome-Efficient-LLM项目汇总了针对大型语言模型优化的关键技术，包括知识蒸馏、网络剪枝、量化和加速推理等，支持研究者和开发者获取最新的效率提升方法和学术文献。该平台定期更新，提供过去60天内的相关研究成果，便于用户系统地探索和应用这些高效技术。

llm-sp - 开源大语言模型的安全与隐私资源整理

GithubLLMsPrivacyPrompt InjectionSecurityVulnerabilities开源项目

本项目整理了有关大语言模型（LLM）安全与隐私的研究资源，从提示注入和越狱等基本脆弱性到高级攻击和防御措施。定期更新，提供最新的研究成果和实验数据，帮助研究者和开发者了解LLM的安全挑战及应对策略。所有资源都在GitHub和Notion上开放，欢迎社区的合作和贡献。

llm-numbers - LLM开发者必知的关键数据和实用见解

AIGPUGithubLLMOpenAIRay开源项目

该项目汇集了LLM开发中的重要数据和见解，包括提示工程、模型训练和GPU内存管理等方面。内容涵盖成本比率、训练费用和GPU内存要求，为开发者提供决策参考和资源优化指导。这些信息有助于快速评估和理解LLM开发的关键因素，是大语言模型开发者的实用参考资料。

1filellm - 整合多来源数据的命令行工具

Data2LLMGithubLLM命令行工具开源项目数据聚合自动化

Data2LLM是一款命令行工具，能够高效地聚合和预处理数据，支持从本地文件、GitHub仓库、ArXiv论文、YouTube视频等多个来源提取和整合文本内容，生成适用于大型语言模型的高密度提示。工具自动检测源类型，进行文本预处理，并生成XML格式输出，复制到剪贴板，简化操作流程，提升工作效率。

Awesome-LLM-Eval - 集成了评估工具、数据集、演示与论文资源的平台

GithubLLM应用LLM技术边界大模型评估开源项目评估工具评估数据集

Awesome-LLM-Eval 包罗万象，集成了评估工具、数据集、演示与论文资源，深入探讨大型语言模型的评估技术和方法。该平台支撑学术探索与实际应用，并致力于提升语言模型的透明度及可信度。

awesome-huge-models - 大型AI模型最新动态与开源资源汇总

AI训练GithubLLMdeep learning模型大模型开源开源项目

instruction-datasets - 大语言模型指令微调数据集汇总

GithubInstruction TuningNLP多语言大语言模型开源项目数据集

该项目整理了大语言模型指令微调所需的多种数据集，包括金标准、银标准/LM生成和偏好数据集。内容涵盖多语言和多模态任务，提供指令-响应对和人类偏好评分等资源。这些数据集有助于提升模型的指令跟随、对话和任务执行能力，为NLP研究和开发提供重要参考。

LLMBox - 全面的大型语言模型训练与评估框架

GithubLLMBox大语言模型开源项目模型评估训练管道高效推理

LLMBox是一个综合性大型语言模型(LLM)库，集成了统一的训练流程和全面的模型评估功能。该框架旨在提供LLM训练和应用的完整解决方案，其设计注重实用性，在训练和使用过程中体现出高度的灵活性和效率。LLMBox支持多样化的训练策略和数据集，提供丰富的评估方法，并具备高效的推理和量化能力，为LLM的研究和开发提供了强大支持。

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