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

mljar-supervised - 开源自动机器学习框架简化表格数据建模

AutoMLGithubMLJAR开源项目数据分析机器学习模型训练

mljar-supervised是一个专门用于表格数据的开源自动机器学习框架。它可自动完成数据预处理、模型构建和超参数调优,生成详细的Markdown报告解释每个模型。该框架提供多种工作模式,包括数据解释、生产部署、竞赛优化等。支持多种算法并具备模型集成功能,能有效简化数据科学工作流程,帮助用户快速构建高质量机器学习模型。

Streamline-Analyst - AI数据分析工具，自动化处理全流程数据

GithubStreamline Analyst开源项目数据分析数据可视化模型选择自动化工作流程

Streamline Analyst 是一个基于大型语言模型的开源数据分析应用，旨在提高数据分析效率。它自动执行数据清洗、预处理和其他复杂任务，如识别目标对象、划分测试集以及选择最佳模型。用户只需进行简单的操作，即可快速得到高质量的视觉化结果和模型。此工具确保数据隐私和安全，同时未来将增加自然语言处理、神经网络和对象检测等更多高级功能。

datavines - 多功能数据质量管理平台

DatavinesGithub多种执行模式开源项目插件设计数据目录数据质量

Datavines是一个开源的数据质量管理平台，提供数据目录、质量检查和数据剖析功能。它支持27种内置检查规则，4种检查类型，并采用插件化设计以扩展数据源和执行引擎。Datavines支持多种数据源，包括MySQL、Impala、StarRocks、Doris等，能满足不同企业的数据管理需求。该平台易于部署，支持高可用性，是企业DataOps的重要工具。

awesome-llm-json - 大语言模型生成结构化数据的资源

GithubJSONLLMPydanticfunction callingstructured outputs开源项目

本资源列表提供了丰富的资源，用于使用大语言模型（LLMs）生成JSON或其他结构化输出。内容包括术语解释、托管模型、本地模型、Python库、博客文章、视频和Jupyter笔记本，介绍了函数调用（Function Calling）、指导生成（Guided Generation）和工具使用等多种技术和工具，探索高效生成和处理结构化数据的方法。

LLM-X - 多模型集成的大语言模型API管理平台

AI工具API集成LLM-X.AI大语言模型安全管理开发工具

LLM-X平台通过单一API整合多个大语言模型，提供安全的令牌管理和统一的LLM集成。该平台支持OpenAI、Anthropic等知名提供商，并具备API使用可视化功能。LLM-X简化了开发流程，无需管理基础设施，使开发者能专注于创新而非技术细节，从而提高工作效率。平台支持多个领先的大语言模型，让开发者能够轻松地在工作流中使用各种LLM，并通过成本跟踪功能优化资源利用。

MINI_LLM - 完整中文大语言模型训练流程实践

DPOGithubMini-llm大模型开源项目微调预训练

MINI_LLM项目展示了完整的中文大语言模型训练流程，涵盖预训练、SFT指令微调和DPO优化阶段。该项目基于QWEN模型，利用多种数据集训练出1.4B参数规模的模型。项目详细介绍了数据处理方法、提供训练脚本，并包含多GPU训练指南，为中文大语言模型开发提供了实用参考。

dolma - 3万亿令牌的多样化开放数据集与高性能管理工具

AI2Dolma DatasetDolma ToolkitGithub开源项目数据集管理语言模型

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。

LLaMA-Factory - 提升语言模型微调效率的统一平台

GithubLLaMA Factory大语言模型开源项目快速微调性能优化模型量化热门

LLaMA-Factory是一个高效的语言模型微调工具，支持多种模型和算法。该平台专注于提高微调速度，支持连续预训练、监督微调和激励建模等策略。LLaMA-Factory利用LoRA技术实现高效训练，并提供详尽的数据监控和快速推理能力。此外，新版本还增加了PiSSA算法，且支持多种开发平台如Colab和DSW，适合高质量文本生成和智能应用开发。

Yi-6B-200K - 提供中英文双语支持的开源大语言模型

GithubHuggingfaceYi双语开源开源项目技术报告模型语言模型

致力于构建开源大语言模型，具备出色的语言理解、常识推理和阅读理解能力。Yi系列通过多语言语料库训练，在许多基准测试中表现优异。采用Llama架构，由Yi团队独立开发数据集与基础设施，适合个人、学术和商业使用。

videollm-online - 流式视频实时理解与交互的先进模型

GithubVideoLLM-online大语言模型实时交互开源项目流媒体视频视频处理

VideoLLM-online是一款针对流媒体视频的在线大语言模型。该模型支持视频流实时交互，可主动更新响应，如记录活动变化和提供实时指导。项目通过创新的数据合成方法将离线注释转化为流式对话数据，并采用并行化推理技术实现高速处理，在A100 GPU上处理速度可达10-15 FPS。VideoLLM-online在在线和离线环境中均表现出色，能高效处理长达10分钟的视频，为视频理解与交互领域带来新的可能性。

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