nlp

[EMNLP 2022] Un kit de herramientas abierto para la extracción y construcción de grafos de conocimiento

Tecnología general para habilitar capacidades de IA con LLMs y MLLMs

Código de entrenamiento de LLM para los modelos base de Databricks

Detección de lenguaje natural

Este proyecto reproduce el libro Dive Into Deep Learning (https://d2l.ai/), adaptando el código de MXNet a PyTorch.

Hoja de ruta de ciencia de datos de la A a la Z

MNBVC (Massive Never-ending BT Vast Chinese corpus), un corpus de texto en chino a gran escala. Diseñado para compararse con los 40T de datos de entrenamiento de ChatGPT. El conjunto de datos MNBVC no solo incluye la cultura convencional, sino también culturas minoritarias e incluso texto en 'lenguaje marciano'. El conjunto de datos MNBVC abarca noticias, ensayos, novelas, libros, revistas, tesis, guiones, publicaciones de foros, wikis, poesía clásica, letras de canciones, descripciones de productos, chistes, anécdotas, registros de chat y todo tipo de datos de texto plano en chino.

LightLLM es un framework de inferencia y servicio de LLM (Large Language Model) basado en Python, destacado por su diseño ligero, fácil escalabilidad y rendimiento de alta velocidad.

AdalFlow: La librería para construir y autooptimizar aplicaciones LLM.

Recopilación y estudio de materiales sobre ChatGPT, actualización continua......

El curso de Hugging Face sobre Transformers.

Procesamiento de Lenguaje Natural de última generación

Tokenización de modelos de lenguaje a GB/s

Kit de herramientas de análisis y preprocesamiento de PNL en chino, preciso, eficiente y fácil de usar. www.jionlp.com

Toma de decisiones de IA súper rápida y procesamiento inteligente de datos multimodales.

Solución NLP en chino (grandes modelos, datos, modelos, entrenamiento, inferencia)

Recopilación de experiencias de entrevistas organizada por los miembros de Datawhale, que incluye machine learning, visión por computadora (CV), procesamiento de lenguaje natural (NLP), sistemas de recomendación, desarrollo y más. ¡Las estrellas son bienvenidas!

Tutoriales y recursos seleccionados para Large Language Models, Text2SQL, Text2DSL, Text2API, Text2Vis y más.

Módulo para la resumen automático de documentos de texto y páginas HTML.

[EMNLP 2021] SimCSE: Aprendizaje contrastivo simple de incrustaciones de oraciones https://arxiv.org/abs/2104.08821

Curso de introducción al aprendizaje profundo, cursos avanzados, cursos especializados, casos académicos, casos de práctica industrial, enciclopedia de conocimientos de aprendizaje profundo y banco de preguntas para entrevistas.

Inicio rápido en teoría de IA y práctica de aplicaciones: conocimientos básicos, Transformer, PNL, ML, DL, competencias. Incluye una gran cantidad de comentarios y conjuntos de datos, con el objetivo de que todos puedan entenderlo y reproducirlo.

🛠 IDE web todo en uno especializado en machine learning y data science.

TextAttack 🐙 es un framework de Python para ataques adversarios, aumento de datos y entrenamiento de modelos en PNL https://textattack.readthedocs.io/en/master/

[TMLR] Una lista curada de investigaciones sobre modelado de lenguaje para código (y otras actividades de ingeniería de software), además de conjuntos de datos relacionados.

queremos crear un repositorio para ilustrar el uso de transformers en chino

Un repositorio para Document AI

100 ejemplos de aprendizaje profundo, deep learning, clasificación de imágenes, reconocimiento de objetos, detección de objetos, procesamiento de lenguaje natural (NLP), clasificación de textos, TensorFlow, PyTorch

textlint es el linter extensible para texto en lenguaje natural.

Artículos de lectura obligatoria sobre agentes LLM.