Logo
Project Icon

dolma

3万亿令牌的多样化开放数据集与高性能管理工具

Dolma DatasetDolma ToolkitAI2语言模型数据集管理Github开源项目

Dolma项目提供一个包含3万亿令牌的多样化开放数据集，涵盖网络内容、学术出版物、代码、书籍和百科材料。Dolma Toolkit是一款高性能工具包，能够高效整理大型数据集，支持并行处理、便捷移植、内置标签器、快速去重、扩展性和云支持。该项目由Allen Institute for AI开发，数据集可在HuggingFace平台下载。

GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
llama-3-2-1b-sft - 超大规模对话数据集的精细调优AI模型
GithubHuggingfacellama-3-2-1b-sft开源项目微调模型训练数据集超参数超大规模语言模型
该项目将NousResearch的Llama-3.2-1B模型进行精细调优，使用HuggingFaceH4/ultrachat_200k数据集以提高对话处理性能。在多GPU分布式训练中，使用Adam优化器和余弦学习率调度策略，该模型在验证集上的损失率降低至1.2759。适用于广泛的自然语言处理应用，特别是在对话生成和交互式AI领域中。
ToolBench - 大规模工具使用指令数据集与开源语言模型
AI工具APIGithubToolBench大规模语言模型工具使用能力开源项目
ToolBench项目构建了大规模的指令微调数据集，旨在提升语言模型的工具使用能力。该项目收集了16464个真实API，覆盖单工具和多工具场景，采用深度优先搜索决策树方法生成注释。项目提供训练脚本和微调后的ToolLLaMA模型，其工具使用能力达到了与ChatGPT相当的水平。
NeMo-Curator - 提供GPU加速的大型语言模型数据集优化与管理解决方案
GPU加速GithubNeMo CuratorPython库大语言模型开源项目数据集准备
NeMo Curator 是一款专为大型语言模型（LLM）设计的开源Python库，通过结合Dask和RAPIDS等技术，实现GPU加速的数据集准备与管理。其功能包括数据下载、语言识别、文本清理、质量过滤、文档去重和个人信息保护等模块，为多种LLM任务提供快速、灵活和可扩展的解决方案，显著提升数据处理效率与模型质量。
bagel - 综合数据源与多样化技术的大语言模型训练框架
BagelDPOGithub关键词选择开源项目微调数据集
Bagel是一个综合性大语言模型训练框架，融合多种数据源和先进技术。该项目利用多样化数据集进行监督微调(SFT)和直接偏好优化(DPO)，包括指令、对话和纯文本数据。Bagel采用vicuna、llama-2、alpaca和chat-ml等多种提示格式，旨在提升模型泛化能力。通过SFT和DPO两阶段训练，Bagel致力于打造功能完善、性能优异的语言模型。
easyllm - 开源工具库助力简化大语言模型应用开发
API客户端EasyLLMGithubOpenAI兼容大语言模型开源项目
EasyLLM是一个开源项目，为开发者提供简化大语言模型操作的工具和方法。该项目实现了兼容OpenAI API的客户端，支持HuggingFace、Amazon SageMaker和Amazon Bedrock等平台的模型。EasyLLM允许开发者轻松切换不同语言模型，实现聊天、文本补全和嵌入等功能。此外，项目还包含进化指令生成和提示词工具等辅助模块，有效简化了大语言模型的应用开发流程。
LLaMA2-Accessory - 全方位开源工具助力大规模语言与多模态模型研发
GithubLLaMA2-Accessory多模态大语言模型开源项目微调预训练
LLaMA2-Accessory是一个全面的开源工具包,专注于大规模语言模型和多模态语言模型的开发。该工具支持预训练、微调和部署,涵盖多种数据集和任务类型。工具包提供高效的优化和部署方法,并兼容多种视觉编码器和语言模型。其中还包含SPHINX,这是一个融合多种训练任务、数据领域和视觉嵌入的多功能多模态大型语言模型。
opendal - 统一数据访问层 多语言多服务高效集成
GithubOpenDAL多语言支持存储服务开源项目数据访问
OpenDAL是开源的统一数据访问层，支持多种编程语言和存储服务。它覆盖标准存储协议、对象存储、文件存储、云存储、键值存储、数据库和缓存等多种服务，提供高效的数据获取能力。OpenDAL简化了开发流程，提高了数据操作效率，是一个全面的数据访问解决方案。
emeltal-collection - Emeltal开源模型仓库集成多款GGUF格式AI模型
EmeltalGithubHugging FaceHuggingface人工智能模型开源代码开源项目机器学习模型
emeltal-collection是一个GGUF格式AI模型仓库，集成了Dolphin、DeepSeek Coder等多个开源模型。模型参数规模从1.1B到72B不等，涵盖代码生成和对话等功能。该仓库旨在确保Emeltal项目所需模型的长期可用性，所有模型使用需遵循原始许可协议。
open_llama_3b - 开源复现LLaMA架构的大型语言模型
GithubHuggingfaceOpenLLaMA人工智能大语言模型开源开源项目模型自然语言处理
OpenLLaMA是一个开源项目，旨在复现LLaMA大型语言模型。它基于Apache 2.0许可，提供了7B和3B模型（1万亿标记训练）以及13B模型预览版（6000亿标记训练）。项目发布了PyTorch和JAX格式的预训练权重，并与原始LLaMA进行了性能对比。OpenLLaMA使用RedPajama数据集训练，整体性能与LLaMA和GPT-J相当，部分任务表现更佳。
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。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

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。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号