roberta-base-japanese-with-auto-jumanpp

日语RoBERTa预训练语言模型

开源项目日语模型模型文本预训练 RoBERTa 机器学习 Github 自然语言处理 Huggingface

RoBERTa日语基础模型通过日本维基百科和CC-100语料库训练而成,采用Juman++分词系统和32000规模词表,支持掩码语言建模与下游任务微调。模型经过A100 GPU集群训练,在JGLUE基准测试中展现出稳定性能,可作为日语自然语言处理的基础模型使用。

WikiChat - 利用维基百科降低大语言模型聊天机器人错误率

ColBERTGPT-4GithubLLMWikiChatWikipedia开源项目

WikiChat利用维基百科和七阶段管道，提高ChatGPT和GPT-4等大语言模型的回答准确性，特别适合查询最新或冷门知识，减少幻觉问题。WikiChat还获得了2024年维基媒体研究奖，并推出了多个优化方案。

BERTweet - 专为英语推文预训练的大规模语言模型，助力自然语言处理

BERTweetCOVID-19GithubRoBERTa开源项目英文推文语言模型

BERTweet是首个专为英语推文预训练的公共语言模型，基于RoBERTa预训练程序，使用850M条推文数据进行训练，包含普通推文和疫情相关推文。BERTweet提供多种预训练模型，能够无缝集成于transformers和fairseq框架，支持情感分析、命名实体识别等自然语言处理任务，为研究和应用提供有力支持。

Pretrained-Language-Model - 先进预训练语言模型与优化技术集合

GithubMindSporePyTorchTensorFlow开源项目自然语言处理预训练语言模型

此开源项目汇集了多个先进的预训练语言模型和相关优化技术。包含200B参数中文语言模型PanGu-α、高性能中文NLP模型NEZHA、模型压缩技术TinyBERT和DynaBERT等子项目。这些模型在多项中文NLP任务中表现出色，支持MindSpore、TensorFlow和PyTorch等多种深度学习框架。

chinese_speech_pretrain - 中文语音预训练模型，wav2vec 2.0和HuBERT的开源实现

GithubHuBERTWenetSpeechwav2vec 2.0中文语音识别开源项目语音预训练模型

chinese_speech_pretrain项目开源了基于WenetSpeech数据集训练的中文语音预训练模型。项目包含wav2vec 2.0和HuBERT的BASE与LARGE版本，均使用1万小时多样化中文语音数据训练。模型在自动语音识别任务中表现优异，尤其适合低资源场景。项目提供模型下载及使用指南，可用于语音识别、语音合成等研究领域。

nlp_chinese_corpus - 中文自然语言处理高质量多任务语料库

Github中文自然语言处理开源项目数据集词向量语料预训练

该中文自然语言处理项目提供丰富的高质量语料，包括维基百科条目、新闻、百科问答等，目标是解决中文大规模语料匮乏的问题。项目支持10大任务和9个模型的基准测试，并提供一键运行和详细性能比较，旨在提升中文NLP标准。适用于多种实际应用场景，如词向量训练、关键词生成和标题生成，方便研究人员和从业者获取和利用中文语料。

WanJuan1.0 - 开源多模态语料库推动AI模型性能提升

GithubWanJuan上海人工智能实验室图文数据集多模态语料库开源项目文本数据集

WanJuan1.0是一个开源多模态语料库,包含超过5亿文档、22万图文对的文本、图像和视频数据,总量超2TB。涵盖科技、文学等多领域,经过精细处理和价值观对齐。该语料库已应用于Intern系列大模型训练,显著提升了模型在语义理解、知识问答等任务的表现,可有效增强AI模型的知识内容、逻辑推理和泛化能力。

vocab-coverage - 中文语言模型识字率与词向量分布分析

BERTERNIEGithub中文认知开源项目词向量语言模型

该项目分析了多种语言模型的中文识字率与词向量分布情况，通过字符集分类和词向量空间分布的研究，了解模型在处理中文字符时的认知能力。涵盖了BERT、ERNIE、roBERTa等模型的对比，以及不同字符集的识字判定，为后续的模型评估和改进提供了参考。

awesome-pretrained-chinese-nlp-models - 中文NLP预训练模型综合资源平台

Github中文NLP多模态模型大模型开源模型库开源项目预训练语言模型

awesome-pretrained-chinese-nlp-models提供多种中文自然语言处理预训练模型，涵盖基础大模型、对话型模型和多模态模型等。该平台不仅包括各模型的详细介绍、技术文档和下载链接，还定期更新，为研究人员和开发者提供全面的中文NLP资源。

Baichuan-7B - 开源中英双语大规模预训练模型，支持商用

Baichuan-7BGithubTransformer结构中英双语开源可商用开源项目预训练语言模型

Baichuan-7B是由百川智能开发的开源可商用中英双语大规模预训练语言模型。基于Transformer结构，该模型在1.2万亿tokens上训练，拥有70亿参数，并提供4096长度的上下文窗口。在中文和英文的基准测试（C-Eval和MMLU）中表现出色。该模型可在Hugging Face和ModelScope平台上获取，适合开发者和研究人员使用。

awesome-llms-fine-tuning - 大语言模型微调资源指南，包括教程、工具与最佳实践

BERTGPTGithubLLMRoBERTafine-tuning开源项目

本页面汇总了微调大语言模型（如GPT、BERT、RoBERTa）的全面资源，适用于特定任务和领域的需求。包含教程、论文、工具、框架和最佳实践，为研究人员、数据科学家和机器学习从业者提供宝贵的指导，提升模型表现，优化工作流程。

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