instruction-tuning

Implemente um LLM semelhante ao ChatGPT em PyTorch do zero, passo a passo

Ajuste fino eficiente e unificado de mais de 100 LLMs e VLMs (ACL 2024)

[NeurIPS'23 Oral] Visual Instruction Tuning (LLaVA) desenvolvido para alcançar recursos do nível do GPT-4V e além.

Últimos avanços em modelos de linguagem grandes multimodais.

Página oficial do GitHub para o artigo de revisão "A Survey of Large Language Models".

Processamento de dados para e com modelos de fundação! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

Código e modelos para o artigo do ICML 2024, NExT-GPT: Any-to-Any Multimodal Large Language Model

【EMNLP 2024🔥】Video-LLaVA: Aprendendo Representação Visual Unificada por Alinhamento Antes da Projeção

Resumo de artigos sobre Prompt e LLM, dados e modelos open-source e aplicações de AIGC.

Otter, um modelo multimodal baseado no OpenFlamingo (versão de código aberto do Flamingo da DeepMind), treinado no MIMIC-IT, demonstrando melhor capacidade de seguir instruções e aprendizado em contexto.

InternLM-XComposer2.5-OmniLive: Um sistema multimodal abrangente para interações de vídeo e áudio em streaming de longa duração

mPLUG-Owl: A poderosa família de modelos de linguagem multimodal de grande escala.

[ECCV2024] Modelos de fundação de vídeo e dados para compreensão multimodal

Cambrian-1 é uma família de LLMs multimodais com um design centrado em visão.

Curadoria de dados sintéticos para pós-treinamento e extração de dados estruturados.

Um framework de Large Language Model com base de conhecimento de código aberto.

Uma coleção de conjuntos de dados de código aberto para treinar LLMs que seguem instruções (ChatGPT, LLaMA, Alpaca)

DataDreamer: Crie prompts. Gere dados sintéticos. Treine e alinhe modelos.

Raciocínio multimodal de cadeia de pensamento: um levantamento abrangente

[ICML2024 (Oral)] Implementação oficial em PyTorch do DoRA: Weight-Decomposed Low-Rank Adaptation

[SIGIR'2024] "GraphGPT: Ajuste de instruções em grafos para Grandes Modelos de Linguagem (LLMs)"

Ajuste de Instrução Representacional Generativa

Emotion-LLaMA: Reconhecimento e Raciocínio de Emoções Multimodais com Ajuste de Instruções

Deita: Ajuste de Instruções Eficiente em Dados para Alinhamento [ICLR2024]

Generalização translingual através de ajuste fino multitarefa

[ICML 2024] LESS: Selecionando dados influentes para ajuste de instrução direcionado

DialogStudio: rumo à coleção de conjuntos de dados unificados mais rica e diversificada e modelos conscientes de instruções para IA conversacional

Artigos e conjuntos de dados sobre Instruction Tuning e Seguimento de Instruções. ✨✨✨