CEPE

并行编码框架助力语言模型处理长文本

CEPE 长文本语言建模并行编码 LLaMA 上下文扩展 Github 开源项目

CEPE是一个扩展语言模型上下文窗口的开源框架,采用并行编码方法处理长文本输入。该项目提供数据预处理、模型训练和基线评估的完整代码,并发布了可通过Hugging Face使用的预训练模型。CEPE在语言建模和开放域问答等任务中表现优异,为处理长文本提供了高效解决方案。

internlm2-chat-7b - 70亿参数大模型实现20万字超长文本理解及多场景智能对话

GithubHuggingfaceInternLM2人工智能代码解释器大语言模型开源项目模型超长上下文

InternLM2-chat-7b作为书生·浦语第二代大模型的70亿参数版本，搭载20万字超长上下文理解技术，在复杂推理、数学运算、代码编程等核心任务上性能卓越。模型集成代码解释器和数据分析工具，通过增强型工具调用机制高效完成多步骤任务。在MMLU、AGIEval等主流评测基准上展现出同级别最优性能。该开源项目面向学术研究完全开放，同时提供免费商业授权渠道。

llm-embedder - FlagEmbedding 高性能文本向量化模型助力信息检索与语义搜索

FlagEmbeddingGithubHuggingface开源项目微调文本嵌入检索增强模型重排模型

FlagEmbedding项目开发了一系列高性能文本向量化模型,可将文本转化为低维密集向量。这些模型在信息检索、文本分类、聚类和语义搜索等任务中表现出色,也可用于构建大语言模型的向量数据库。项目包含BGE和LLM-Embedder等多个中英双语模型,在MTEB和C-MTEB基准测试中均取得第一。FlagEmbedding还提供模型微调代码和性能评估工具,便于进行定制化训练和测试。

other - 高性能开源自然语言处理框架

GithubHuggingfacetransformers人工智能开源项目机器学习模型深度学习自然语言处理

Transformers是一个开源的自然语言处理框架，提供多种预训练模型和工具。支持文本分类、问答和生成等任务，适用于研究和生产环境。该框架易用且灵活，可处理多语言文本，支持迁移学习。Transformers定期更新，紧跟NLP领域最新进展，为用户提供丰富的API和优化的性能。

bagel - 综合数据源与多样化技术的大语言模型训练框架

BagelDPOGithub关键词选择开源项目微调数据集

Bagel是一个综合性大语言模型训练框架，融合多种数据源和先进技术。该项目利用多样化数据集进行监督微调(SFT)和直接偏好优化(DPO)，包括指令、对话和纯文本数据。Bagel采用vicuna、llama-2、alpaca和chat-ml等多种提示格式，旨在提升模型泛化能力。通过SFT和DPO两阶段训练，Bagel致力于打造功能完善、性能优异的语言模型。

DeepSeek-Coder - 支持多种编程语言的高性能开源代码模型

AI编程助手DeepSeek CoderGithub代码生成开源项目性能评估模型训练

DeepSeek-Coder是一系列基于2T代码和自然语言数据训练的代码语言模型。提供1B至33B不同规模版本，支持项目级代码补全和插入。该模型在多种编程语言和基准测试中表现出色，支持87种编程语言，并在HumanEval、MBPP等评测中优于现有开源模型。

easyllm - 开源工具库助力简化大语言模型应用开发

API客户端EasyLLMGithubOpenAI兼容大语言模型开源项目

EasyLLM是一个开源项目，为开发者提供简化大语言模型操作的工具和方法。该项目实现了兼容OpenAI API的客户端，支持HuggingFace、Amazon SageMaker和Amazon Bedrock等平台的模型。EasyLLM允许开发者轻松切换不同语言模型，实现聊天、文本补全和嵌入等功能。此外，项目还包含进化指令生成和提示词工具等辅助模块，有效简化了大语言模型的应用开发流程。

mxbai-embed-large-v1 - 多语言NLP嵌入模型在MTEB基准测试中展现卓越性能

GithubHuggingfaceMTEBtransformers分类开源项目检索模型聚类

mxbai-embed-large-v1是一个多语言嵌入模型，在MTEB基准测试中表现优异。该模型在文本分类、检索、聚类和语义相似度等NLP任务中取得了良好成绩。基于transformer技术，mxbai-embed-large-v1生成高质量文本表示，可应用于信息检索、问答系统和文本分析等领域。

SimCSE - 简单便捷的句子嵌入对比学习工具

GithubSimCSE句子嵌入对比学习开源项目无监督学习有监督学习

SimCSE项目提供一个简单的句子嵌入对比学习框架，支持有标签和无标签数据。无监督模型使用标准dropout通过输入句子预测自身，有监督模型利用NLI数据集的注释对进行对比学习。用户可以轻松安装并使用SimCSE进行句子嵌入、相似性计算和句子检索。该项目支持HuggingFace集成和faiss相似性搜索库，并提供全面的模型评估和训练脚本。详细信息和代码请参阅SimCSE仓库。

MAP-NEO - 开源大语言模型性能卓越且训练过程透明

GithubMAP-NEO大型语言模型开源开源项目性能评估训练数据

MAP-NEO是一个完全开源的大语言模型，其预训练数据、处理流程、脚本和代码均可获取。该模型在4.5T英中文数据上训练，性能与LLaMA2 7B相当。在推理、数学和编码等任务中，MAP-NEO表现优异。项目公开了训练全过程，包括检查点、分词器、语料库和优化代码，为大语言模型研究提供了宝贵资源。

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