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。

Awesome-Domain-LLM - 领域垂直的开源模型、数据集和评测基准，覆盖医疗、法律、金融等关键行业

Github垂直领域大模型开源开源项目微调预训练

Awesome-Domain-LLM汇聚了领域垂直的开源模型、数据集和评测基准，覆盖医疗、法律、金融等关键行业。项目通过收集和整理通用模型的持续预训练和指令微调成果，帮助行业从业人员探索并应用大语言模型的潜能。本项目不断更新，加入了包括SecGPT、ChiMed-GPT、Tongyi-Finance-14B等多个专业模型，支持各领域专家获取AI工具和资源，共同推进AI技术在专业领域中的实际应用和创新发展。

datablations - 对在数据限制下扩展语言模型的方法的研究

C4Githublanguage models开源项目数据稀缺数据重复训练数据

本项目研究在数据受限情况下扩展语言模型的方法。通过对9000亿训练令牌和90亿参数模型进行实验，提出并验证了重复令牌和多余参数的计算优化法则。实验涵盖数据增强、困惑度过滤及去重处理。相关模型和数据集公开在仓库，有助于在资源有限情况下高效训练和优化语言模型。

llmc - 开源工具压缩大型语言模型提升效率

GithubLLMCLLM压缩剪枝开源项目性能优化量化

llmc是一个压缩大型语言模型的开源工具,采用先进压缩算法提高效率和减小模型体积。它支持多种LLM和压缩方法,可在单GPU上量化评估大模型,兼容多种推理后端。项目提供LLM量化基准,帮助用户选择合适的压缩策略。

self-llm - 开源大模型部署与应用指南

AutoDLGithub开源大模型开源项目微调方法环境配置部署使用

探索开源大模型如LLaMA、ChatGLM的全流程部署与微调指南，涵盖环境配置至应用实践，专为国内初学者设计，通过AutoDL平台简化操作流程，助力大模型技术的普及和应用。

Awesome-TimeSeries-SpatioTemporal-LM-LLM - 大型语言模型在时序和时空数据分析中的应用资源

Github基础模型大型语言模型开源项目时空数据时间序列预训练模型

该项目汇集了用于时间序列、时空数据和事件数据分析的大型语言模型及基础模型资源。内容全面涵盖了最新研究进展，包括论文、代码和数据集。涉及领域包括通用时间序列分析、交通、金融、医疗等多个应用方向，以及事件分析、时空图和视频数据等相关主题。项目为研究人员和实践者提供了一个综合性资源库，并持续更新最新成果。

Awesome-Multimodal-LLM - 大语言模型（LLM）在多模态学习中的最新研究趋势

GithubLLM多模态学习开源开源项目模型微调神经网络

本页面介绍大语言模型（LLM）在多模态学习中的最新研究趋势，包括文本、视觉（图像和视频）、音频等多种模态。重点讨论如LLaMA、Alpaca和Bloom等开源且适合研究的LLM骨干模型及其学习方法，如全量微调、参数有效微调、上下文学习等。同时列举了具体的多模态LLM模型实例，如OpenFlamingo和MiniGPT-4，以及评估方法，如MultiInstruct和POPE，提供科研人员了解和研究LLM引导多模态学习的资源。

llm-jp-1.3b-v1.0 - 大规模语言模型支持多语言和多种编程语言

GithubHuggingfaceLLM-jp大型语言模型开源项目模型深度学习自然语言处理训练数据

此大规模语言模型由日本研发，支持多语言（含日语和英语）及多编程语言。采用Transformer架构，经过预训练和指令调优，适用于多种自然语言处理任务。模型在多个硬件和软件环境中优化，包括使用Megatron-DeepSpeed和TRL，可用于生成自然语言文本，应用广泛，性能优异。

MedLLMsPracticalGuide - 医疗大语言模型的发展现状与应用前景

Github人工智能医疗医学知识库医疗决策支持医疗大语言模型医疗应用开源项目

该项目提供了医疗大语言模型(Medical LLMs)的综合资源清单,基于一篇全面的综述论文。内容涵盖医疗LLMs的基本原理、构建方法、应用场景和面临的挑战,包括构建流程、医疗数据利用、生物医学任务、临床实践等多个方面。项目为医疗LLMs的研究与开发提供了宝贵的见解和实用指南,有助于推动这一前沿技术在医疗领域的创新应用。

LLM-X - 多模型集成的大语言模型API管理平台

AI工具API集成LLM-X.AI大语言模型安全管理开发工具

LLM-X平台通过单一API整合多个大语言模型，提供安全的令牌管理和统一的LLM集成。该平台支持OpenAI、Anthropic等知名提供商，并具备API使用可视化功能。LLM-X简化了开发流程，无需管理基础设施，使开发者能专注于创新而非技术细节，从而提高工作效率。平台支持多个领先的大语言模型，让开发者能够轻松地在工作流中使用各种LLM，并通过成本跟踪功能优化资源利用。

LLMs_interview_notes - LLM核心技术与应用实践面试题集锦

GithubLLMslangchain大模型开源项目微调面试

该项目收集整理了大语言模型(LLMs)领域的面试题和学习资料,内容涵盖基础知识、进阶技能、微调方法、LangChain应用等方面。通过详细的问答解析,帮助读者理解LLM的核心概念、训练技巧和参数高效微调等关键技术。项目为准备面试和深入学习大模型技术的人提供了全面实用的参考资源。

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