data-selection-survey

全面探索语言模型数据选择的关键技术

这个项目全面梳理了语言模型数据选择的各个环节,涵盖预训练、指令微调和偏好对齐等阶段。内容包括语言过滤、启发式方法、数据质量评估和去重等核心技术,还探讨了多语言和特定领域模型的专门选择策略。项目汇集了众多相关研究文献,为语言模型开发提供了系统的参考资源。

Github

论文

介绍相关项目

DeepSeek-LLM - 多语言大模型展现卓越编码与数学能力

DeepSeek LLMGithub人工智能开源开源项目自然语言处理语言模型

DeepSeek LLM是一个包含67亿参数的先进语言模型,经过2万亿英文和中文token的训练。该模型在推理、编码、数学和中文理解等方面表现优异,超越多个同类模型。其67B Chat版本在编码和数学方面尤为出色,在HumanEval和GSM8K等基准测试中名列前茅。项目开源了7B和67B的base与chat版本,可用于学术和商业研究。

demonstrated-feedback - DITTO方法通过示范反馈优化语言模型对齐

DITTOGithub对齐开源项目演示反馈自定义LLM语言模型

Demonstrated-feedback项目开发了DITTO方法，利用少量示范反馈对齐语言模型。这种方法无需大规模数据集，能够学习细粒度的风格和任务对齐。DITTO在新闻、电子邮件和博客等领域的表现优于现有技术。这一创新为语言模型的个性化提供了高效解决方案。

A-Guide-to-Retrieval-Augmented-LLM - 探讨检索增强大语言模型的核心要素、工作原理及实践应用的文章

Github信息检索大语言模型开源项目检索增强LLM私有数据长尾知识

本文深入探讨检索增强大语言模型（Retrieval Augmented LLM）的核心要素、工作原理及实践应用。通过结合外部信息源，该技术显著提高了模型在处理时效性强的数据、保护私有信息及应对长尾知识挑战方面的能力。文章还评估了在实际场景中该技术的效果，提供了一个关于如何有效利用检索增强大语言模型的全面视角。

machine-learning-list - 机器学习入门与语言模型学习指南

ElicitGithub开源项目机器学习深度学习生产部署语言模型

这个指南旨在帮助员工掌握机器学习，尤其是语言模型的知识。内容涵盖从基础到高级，通过推荐阅读的论文和资源，了解生产部署与长期扩展的重要技术和方法。

pretraining-with-human-feedback - 基于人类偏好预训练的语言模型代码库

GithubHugging Facetoxicity人类偏好多任务开源项目预训练

该项目为根据人类偏好预训练语言模型提供了一套基于Hugging Face Transformers和wandb的工具。项目实现了五种预训练目标，通过对训练数据注释并使用这些目标函数提升模型性能，包括毒性检测和隐私信息识别等任务。项目还提供详细的配置文件和评估方式指导。

AGIAgentAwesome-LLM-related-Papers-Comprehensive-TopicsGithubLLMReinforcement-Learning开源项目

本项目收集了大量与大型语言模型（LLM）相关的顶级论文和项目，涵盖记忆、推理、强化学习、视觉语言模型、提示工程等多种主题。用户可通过Notion浏览器进行互动式查阅，迅速获取相关论文和项目链接，轻松了解LLM领域的最新研究动态，帮助研究人员和开发者高效获取前沿信息。

Awesome-Language-Model-on-Graphs - 图上大语言模型研究进展及资源汇总

GithubLLM图基准测试开源项目推理知识图谱

该资源列表汇总了图上大语言模型(LLMs on Graphs)领域的前沿研究成果。内容涵盖纯图、文本属性图和文本配对图等多个方面,包括数据集、直接回答、启发式推理和算法推理等关键主题。列表基于综述论文整理,并持续更新,为研究人员提供全面参考,推动图上大语言模型研究进展。

Llama-3-8B-Magpie-Align-v0.3 - 优化中文查询与对齐数据的强大语言模型

GithubHuggingfaceLlama-3-8B-Magpie-Align中文指令数据集开源项目模型模型性能超反馈技术问答系统

该项目通过在Llama-3-8B上执行SFT和DPO优化，大幅提升了模型性能，尤其在中文查询响应上。使用高质量数据集进行训练，并在AlpacaEval等基准测试中表现优异，展现Magpie数据的规模和质量优势，为语言模型的普及化提供可能。

Awesome-Code-LLM - 全面梳理了代码领域的语言模型研究，涵盖最新的论文和研究成果

Code GenerationGithubLLMLanguage Models for CodeNLPSoftware Engineering开源项目

《Awesome-Code-LLM》项目全面梳理了代码领域的语言模型研究，涵盖最新的论文和研究成果。这是一个极佳资源，旨在增强NLP与软件工程使用中语言模型的效果和效率，提供详尽的研究资源，非常适合机器学习初学者和NLP新手深入了解该领域。

ml-engineering - 大规模语言模型与多模态模型的训练方法

BLOOM-176BContextual.AIGithubHuggingFaceLarge Language ModelsVLM开源项目

本指南系统介绍了方法、工具和逐步操作说明，帮助工程师成功训练大规模语言模型（LLM）和多模态模型（VLM）。内容涵盖丰富的脚本和命令，适合LLM/VLM训练工程师和操作员使用。基于作者在开源BLOOM-176B和IDEFICS-80B模型训练中的经验，提供有效解决方案，并持续更新，服务于ML社区。

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