data-juicer

大语言模型数据处理系统，提供多模态数据支持

Data-Juicer 多模态数据处理大规模语言模型数据模型协同开发数据处理 Github 开源项目

Data-Juicer 是一款强大的一站式数据处理系统，专为大语言模型设计。它支持多模态数据处理，具有80多种操作符和20多个配置方案，提供高效且并行的数据处理能力。其友好的用户体验和全面的文档，使其成为生产环境中的优选方案。

文档

awesome-ml - 机器学习资源库涵盖语言模型图像视频和音频AI

Github图像模型大语言模型开源项目机器学习视频模型音频模型

该项目是一个综合性机器学习资源集合，包括大型语言模型、图像生成、视频处理和音频AI等领域的开源模型、工具、库和研究资料。适合开发者、研究人员和AI爱好者探索AI技术和应用。项目持续更新，欢迎贡献，为了解和实践机器学习最新进展提供参考。

julia - 科技计算领域的高性能动态编程语言

GithubJulia开源开源项目技术计算编程语言高性能

Julia语言为科技计算领域提供了高性能的动态编程环境。它支持并行和分布式计算，拥有活跃的社区和丰富的包生态系统。Julia在数值计算和数据分析方面表现优异，适用于机器学习、科学模拟和金融建模等领域。该语言融合了高性能与易用性，为科研和工程应用提供了强大的工具。

h2o-llmstudio - 轻松微调大型语言模型的无代码图形界面

GithubH2O LLM StudioLLM微调Nvidia GPU图形用户界面开源项目无代码界面

H2O LLM Studio 提供无代码图形界面，轻松微调大型语言模型。支持多种超参数调整，包括LoRA和8位模型训练技术，甚至还可使用强化学习。用户可以可视化跟踪模型性能，并与模型互动获取即时反馈。支持将模型导出至 Hugging Face Hub，方便与社区分享。

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。

multi_token - 将多模态嵌入到大语言模型的开源框架

Githubmulti_token图像识别多模态嵌入大语言模型开源项目语音识别

multi_token是一个开源项目，旨在扩展大语言模型的多模态处理能力。该框架支持将图像、音频、文档和视频等多种模态编码为统一格式，并嵌入到单个模型中。它提供了简便的实现方法，使开发者能够轻松构建支持长文档、图像、音频和视频等多模态输入的语言模型。

LLaMA-1B-dj-refine-150B - LLaMA架构的开源语言模型基于精炼数据集训练

Data-JuicerGithubHuggingfaceLLM开源项目数据集模型模型评估预训练

LLaMA-1B-dj-refine-150B是一个采用LLaMA-1.3B架构的开源语言模型，基于Data-Juicer精炼的150B tokens RedPajama和Pile数据预训练。模型在16个HELM任务上的平均得分达34.21，优于同级别的Falcon-1.3B、Pythia-1.4B和Open-LLaMA-1.3B。项目提供了详细的训练数据集信息和性能对比，可作为语言模型研究的参考资源。

PlotJuggler - 开源时间序列数据可视化与分析工具

GithubPlotJuggler开源工具开源项目数据分析数据可视化时间序列

PlotJuggler是一个开源的时间序列数据可视化与分析工具。该工具支持文件数据加载和实时数据流，能够处理大规模时间序列和数据点。PlotJuggler提供拖放式界面、OpenGL渲染、数据转换功能和插件扩展机制。它兼容多种数据源和格式，如CSV、ULog、JSON等，并可与ROS系统集成。通过内置的Transform Editor和Custom Function Editor，用户能方便地进行数据分析和处理。

scicloj.ml - Clojure机器学习生态系统强大灵活的数据科学工具

ClojureGithubpipelines开源项目数据处理机器学习模型训练

Scicloj.ml是一个为Clojure语言打造的全面机器学习生态系统。它整合了多个成熟的数据科学库，提供标准化的分类、回归和无监督学习模型接口。该库支持数据驱动的机器学习流水线构建，内置复杂的交叉验证功能，并具备灵活的开放架构，可轻松集成各类ML模型。Scicloj.ml还提供丰富的数据预处理工具，并允许通过回调机制实现实验跟踪，为Clojure开发者提供了强大而灵活的机器学习解决方案。

data-selection-survey - 全面探索语言模型数据选择的关键技术

GithubWeb数据多语言开源项目数据选择语言模型预训练

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。

llm-data-creation - 大型语言模型驱动的自动数据生成框架

EMNLPGithub大语言模型开源项目微调数据创建评估

llm-data-creation是一个基于大型语言模型的数据生成框架。该项目仅需一个格式示例即可创建多种问答任务的合成数据，通过迭代过程生成更多相同格式的数据。这一方法特别适用于缺乏人工标注数据的场景。项目提供完整的数据创建、模型微调和评估流程，在10个公开基准数据集上的评估显示出优秀的跨域性能。

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