Project Icon

TUMCC

中文暗语识别语料库推动地下市场研究

TUMCC是首个专门用于中文暗语识别的语料库,收集自12个Telegram群组,包含28,749条句子和804,971个字符。经过数据清理后,保留3,863条句子(约10万字符)。该语料库提供cleaned和raw两种格式数据,便于研究人员分析地下市场语言特征和网络犯罪行为。项目附有详细使用说明和引用指南,为相关学术研究提供支持。

Tabular-LLM - 表格智能数据集的收集与LLM模型优化
Alpaca-CoTGithubLLMTabular LLM开源项目微调平台表格智能
此项目利用Alpaca-CoT平台,集合和整理多种表格智能任务的数据集,并对现有的大型语言模型进行微调,以提升其对表格数据的理解和处理能力。主要涵盖表格问答和表格-文本生成等任务。项目提供开源训练代码和格式统一的表格数据,并开放训练模型,助力研究者复现及优化表格智能任务。
ChineseWebText - 大规模中文网络文本数据集及其评估工具链
ChineseWebTextGithub开源项目数据评估模型网页文本处理自然语言处理高质量中文数据集
ChineseWebText是一个大规模中文网络文本数据集,总容量达1.42TB,每条文本均附带质量评分。该项目还提供了一个600GB的高质量子集,文本质量均超过90%。项目包含EvalWeb工具链,用于从原始网络数据中提取优质中文文本。EvalWeb通过数据准备、预处理和BERT评估模型对文本质量进行筛选和评估。此外,项目还开发了基于FastText的快速分类器,在保持性能的同时提高了处理效率。
AcmeTrace - 大规模语言模型工作负载数据集
AI实验室Acme TraceGithub工作负载开源项目数据集资源利用
AcmeTrace是一个来自上海人工智能实验室的大规模语言模型工作负载数据集,涵盖2023年3月至8月期间的数据。该数据集包含880,740个作业记录,其中470,497个为GPU作业,来自两个独立的GPU集群。这些数据为研究人员提供了分析大规模语言模型在数据中心开发特征的宝贵资源,支持相关学术研究。
tgscan - 高效搜索Telegram内容的开源工具
GithubTelegram实时索引开源软件开源项目搜索工具聊天记录
tgscan是一个开源的Telegram搜索工具,提供快速搜索结果和直观界面。它支持频道、群组和聊天记录搜索,使用文本分类技术识别不同类型的内容。tgscan的近实时索引功能确保搜索结果及时更新,为用户提供高效的Telegram内容检索体验。
open-speech-corpora - 开放语料库整理助力语音技术研究与发展
CC-0许可Common VoiceGithub多语言开放语音语料库开源项目语音技术
open-speech-corpora项目为语音技术研究和开发提供了一个丰富的开放语料库清单。这些语料库多为免费并在创意共享许可证或社区数据许可协议下发布,方便研究和商业使用。它覆盖多种语言和超过2万小时的验证语音数据,是学者和开发者理想的数据资源。项目鼓励社区成员提出资源增补,以进一步完善数据库。
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。
llm-datasets - LLM微调优质数据集与工具资源库
GithubLLM对话开源项目微调指令跟随数据集
LLM Datasets项目汇集了大语言模型微调所需的优质数据集、实用工具和核心概念。涵盖通用、数学逻辑、编程和对话等多个领域,项目详细阐述了高质量数据集的特征。为研究人员和开发者提供多样化的LLM微调数据资源,旨在促进模型性能提升。
MMDialog - 推进多模态开放域对话研究的大规模数据集
GithubMMDialog多模态对话数据集大规模数据开放域对话开源项目自然语言处理
MMDialog是一个包含丰富文本和图像信息的大规模多轮对话数据集。它提供详细的数据统计、格式说明和评估方法,适用于多模态开放域对话研究。学术研究人员可通过申请流程获取该数据集,用于非商业性研究。MMDialog为自然语言处理领域的多样化对话任务研究提供了重要资源。
Tunk - AI语音转文字平台 精准高效的转录解决方案
AI工具AI转录Tunk.ai会议集成翻译服务语音转文本
Tunk是一个专业的AI语音转文字平台,提供高质量、高准确度的转录服务。支持商业财务、教育科技、翻译、新闻调查、医疗法律等多个领域应用。采用先进AI技术和人工审核相结合,确保转录精确性。平台提供API服务、会议集成、LLM集成等功能,优化工作流程,提高沟通效率。使用简便,只需上传文件即可获得高质量文字转录结果。Tunk致力于为各行业提供可靠的语音转文字解决方案。
rectg - Telegram精选资源库 涵盖5000+优质群组和频道
GithubTelegram开源项目机器人群组资源分享频道
rectg是一个收录优质Telegram资源的开源项目,精选了5000多个群组、频道和机器人。涵盖技术、娱乐、新闻等多个主题,并提供简要介绍。项目旨在帮助用户快速找到感兴趣的Telegram社区,提高资源搜索效率。内容定期更新,确保时效性。所有资源均来自网络,仅供学习和研究使用。
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