instruction-datasets

大语言模型指令微调数据集汇总

Instruction Tuning 大语言模型数据集 NLP 多语言 Github 开源项目

该项目整理了大语言模型指令微调所需的多种数据集，包括金标准、银标准/LM生成和偏好数据集。内容涵盖多语言和多模态任务，提供指令-响应对和人类偏好评分等资源。这些数据集有助于提升模型的指令跟随、对话和任务执行能力，为NLP研究和开发提供重要参考。

Mixtral-8x22B-Instruct-v0.1 - 多语言指令微调大型语言模型

GithubHuggingfaceMixtral-8x22B-Instruct-v0.1函数调用大语言模型开源项目推理标记器模型

Mixtral-8x22B-Instruct-v0.1是基于Mixtral-8x22B-v0.1的指令微调版大型语言模型。该模型支持多语言处理，具备出色的自然语言理解和生成能力。它适用于对话、问答和函数调用等多种任务。模型采用先进的分词器和推理技术，开发者可通过mistral_common和transformers库方便使用。Mixtral-8x22B-Instruct-v0.1为AI应用开发提供了可靠的基础。

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。

Awesome-Multimodal-Large-Language-Models - 多模态大语言模型研究资源与最新进展汇总

Github多模态大语言模型开源项目指令微调模型评估视觉语言模型视频理解

该项目汇总了多模态大语言模型(MLLMs)领域的最新研究成果，包括论文、数据集和评估基准。涵盖多模态指令微调、幻觉、上下文学习等方向，提供相关代码和演示。项目还包含MLLM调查报告及MME、Video-MME等评估基准，为研究人员提供全面参考。

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。

Finetune_LLMs - 引用数据集微调大型语言模型（LLM）的代码

DeepSpeedFinetune LLMsGPTJGithubHuggingfaceNvidia-docker开源项目

Finetune_LLMs 项目提供代码支持DeepSpeed、Lora或QLora方法微调大型语言模型，涵盖从名言数据集学习及利用 Nvidia-docker 简化环境配置，适于需GPU支持的用户。

SmolLM-1.7B-Instruct - SmolLM-1.7B-Instruct 模型的技术特性与应用场景分析

GithubHuggingfaceSmolLM开源项目微调性能优化数据集模型语言模型

SmolLM-1.7B-Instruct 是一款包含135M、360M和1.7B参数的小型语言模型，通过高质量数据集微调而成。v0.2版本在主题保持和回答提示方面表现优越。支持多种应用方式，包括本地和浏览器演示。但需注意，该模型可能并非完全精准，建议作为辅助工具应用于常识问答、创造性写作和基础编程等场景。

datasets - 公共数据集下载和准备的实用库

GithubMNISTTensorFlow Datasetstf.data.Dataset定制化开源项目性能

TensorFlow Datasets是一个公共数据集下载和准备的实用库，简化数据集加载与处理。通过其API，用户可以访问和使用多个预构建数据集，优化训练管道性能，并确保数据的确定性与可重复性。详情请参考官方教程、指南及API文档，支持在Colab笔记本中交互式操作。此工具适合快速集成数据集与进行机器学习模型训练的开发者。

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。

Llama-3.1-405B-Instruct - Meta开发的多语言大规模语言模型支持商业和研究应用

GithubHuggingfaceLLaMA 3.1Meta人工智能多语言大语言模型开源项目模型自然语言生成

Llama-3.1-405B-Instruct是Meta开发的多语言大规模语言模型系列之一。该模型支持英语、德语、法语等8种语言,具有128K上下文长度。通过监督微调和人类反馈强化学习,该模型旨在提供安全可靠的多语言对话能力。Llama-3.1-405B-Instruct适用于助手式聊天等自然语言生成任务,支持商业和研究应用。

llm-jp-3-13b-instruct - 提供多语言大规模模型，支持多编程环境

GithubHuggingfacellm-jp-3-13b-instructtransformers大型语言模型开源项目数据集模型自然语言处理

项目由日本国立信息学研究所研发，部分支持来自GENIAC。模型包含13b版，基于Transformer架构，支持多种语言如Python、Java、Rust。预训练数据集丰富，适用于日语、英语等多语言环境。项目使用Huggingface的Transformers，评估覆盖多领域任务。模型处于早期阶段，尚未完全对输出的人类意图和安全性进行调校。

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