Project Icon

pegasus-large

解析Pegasus模型的混合与随机检查点方法

Pegasus模型利用C4和HugeNews数据集,通过混合与随机采样策略提高文本摘要的质量。该模型经过1.5M步长训练,优化了摘要的流畅性和准确性,适用于多种大型数据集。

Nous-Hermes-llama-2-7b - 高效精调语言模型Nous-Hermes的特性与使用
GithubHuggingfaceNous-Hermes-Llama2-7bRedmond AI合成数据开源项目数据集模型模板格式
Nous-Hermes-Llama2-7b是由Nous Research精调的语言模型,基于GPT-4合成输出训练,具有处理长响应和减少幻觉的能力。该模型不受OpenAI审查机制影响,具备高精度的任务完成能力。数据集由Teknium及其他合作者提供,包括GPTeacher和CodeAlpaca。训练在高性能DGX机器上进行,确保模型的一致性和先进性,适用于文本生成及复杂指令理解等多种任务。
Themis - 新一代多功能自然语言生成评价模型,支持个性化和参考无关评估
GithubHuggingfaceThemis多样性开源项目模型灵活性自然语言生成评估性能
Themis是一个8B参数的大型语言模型,设计用于自然语言生成评价,在多样性、评估独立性和灵活性方面表现出色。该模型能够处理问答评价等非常见任务,并支持个性化评估标准,提供详细的分析与解释。在SummEval、Topical-Chat、SFRES等多种NLG任务中,Themis的表现优于包括GPT-4在内的现有模型。详见相关论文中的实验结果和详细信息。
ChimeraLlama-3-8B-v3 - 结合多项模型技术的高效文本生成能力
ChimeraLlama-3-8B-v3GithubHuggingfaceLLM排行榜准确率开源项目文本生成模型模型融合
ChimeraLlama-3-8B-v3采用LazyMergekit技术,结合NousResearch、mlabonne、cognitivecomputations等7个模型,为使用者提供高效的文本生成服务。在多个数据集上的表现优异,在IFEval(0-shot)达到了44.08的严格准确率,在MMLU-PRO(5-shot)测试中获得29.65的准确率。其参数配置运用了int8_mask和float16的数据类型,保证高效运行和资源使用优化。利用transformers库可便捷调用和使用该模型,体验其创新文本生成能力。
unieval-sum - UniEval多维度文本生成评估系统
GithubHuggingfaceUniEval多维度评估开源项目文本摘要模型自然语言生成预训练评估器
UniEval项目提供了名为unieval-sum的预训练评估器,用于文本摘要任务的多维度评估。该评估器从连贯性、一致性、流畅性和相关性四个方面分析模型输出,实现了对自然语言生成系统更全面和细粒度的评估。这一工具不仅弥合了人工评估与自动评估之间的差距,还可扩展应用于其他生成任务,如数据到文本生成的自然度和信息量评估。
bigbird-roberta-base - 高性能长序列文本处理的稀疏注意力Transformer模型
BigBirdGithubHuggingfacetransformer模型开源项目模型深度学习自然语言处理长序列处理
BigBird-RoBERTa-base是一种基于块稀疏注意力机制的Transformer模型,可处理长达4096个token的序列。该模型在Books、CC-News、Stories和Wikipedia等大规模数据集上预训练,大幅降低了计算成本。在长文档摘要和长上下文问答等任务中,BigBird-RoBERTa-base展现出优秀性能。模型支持灵活配置注意力类型,可在默认的块稀疏模式和全注意力模式间切换,为超长序列文本处理提供了高效方案。
pythia-70m-deduped - 促进语言模型可解释性的研究工具
GithubHuggingfacePythia人工智能开源项目机器学习模型自然语言处理语言模型
Pythia-70m-deduped是Pythia模型套件中的一个7000万参数的语言模型,由EleutherAI开发。该模型在去重的Pile数据集上训练,提供154个训练检查点,便于研究模型在不同阶段的行为。尽管主要用于可解释性研究,Pythia-70m-deduped在下游任务上的表现也与同等规模模型相当。基于Transformer架构,这个模型为语言建模实验和分析提供了理想的研究平台。
multilingual-e5-large-pooled - 多语言支持的句子相似性与特征提取模型
GithubHuggingfaceMTEBmultilingual-e5-large分类句子相似度开源项目模型特征提取
此项目基于多语言处理,融合Sentence Transformers技术,专注于句子相似性与特征提取。支持多语言,适用于分类、重排序、文本聚类等多种场景。模型在各种任务中表现优异,如MTEB AmazonCounterfactualClassification和MTEB BUCC中的分类与双语文本挖掘,表现出色。采用MIT许可证,具有高度使用灵活性。
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
详尽介绍大型AI语言模型最新进展及开源资源,包括训练代码、数据集和预训练权重。收录Baichuan、Falcon、OpenLLaMA等模型,并关注开源与分布式训练框架如PyTorch和XLA生态。提供全面资源链接,帮助研究人员和开发者了解当前AI模型的最前沿动态。
stablelm-3b-4e1t - StableLM开源语言模型在1万亿token数据上训练达到30亿参数规模
GithubHuggingfaceStableLM-3B-4E1T人工智能大语言模型开源模型开源项目文本生成模型
StableLM-3B-4E1T是一个开源语言模型,通过在Falcon RefinedWeb和RedPajama-Data等数据集上训练4轮获得,总计处理1万亿tokens数据。模型采用LayerNorm归一化和Rotary位置编码技术,支持Flash Attention 2优化。在HellaSwag和Winogrande任务评测中分别达到75.94%和71.19%的准确率,展现出良好的语言理解能力。
Llama-3-8B-Ultra-Instruct-SaltSprinkle - 文本生成与多任务性能提升的融合模型
AI推理挑战DAREGithubHellaSwagHuggingfacemergekittext-generation开源项目模型
项目利用DARE TIES方法融合NousResearch与Dampfinchen模型,提升文本生成和推理性能。在AI2推理和HellaSwag测试中表现突出,准确率分别为61.35%和77.76%。项目增强了模型的推理能力及德语和故事生成的效果。需注意,该模型可能生成有害内容,用户使用时自行承担责任。详细结果可在Open LLM Leaderboard查看。
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

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。

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