chinese-nlp

AirLLM 70B 推理可在单张 4GB GPU 上执行

大规模中文自然语言处理语料库 Large Scale Chinese Corpus for NLP

BELLE：Be Everyone's Large Language model Engine（开源中文对话大模型）

语言技术平台。

MNBVC（Massive Never-ending BT Vast Chinese corpus）超大规模中文语料集。对标 chatGPT 训练的 40T 数据。MNBVC 数据集不仅包括主流文化，也包括各个小众文化甚至火星文的数据。MNBVC 数据集包含新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。

Fengshenbang-LM（封神榜大模型）是 IDEA 研究院认知计算与自然语言研究中心主导的大模型开源体系，成为中文 AIGC 与认知智能的基础设施。

Chinese-LLaMA 1&2、Chinese-Falcon 基础模型；ChatFlow 中文对话模型；中文 OpenLLaMA 模型；NLP 预训练/指令微调数据集

使用 IDCNN/biLSTM+CRF 的中文命名实体识别，以及使用 biGRU+2ATT 的关系提取 中文实体识别与关系提取

华东师范大学 ICALK 推出的开源教育对话模型。开源中英教育对话大模型。(通用基座模型，GPU部署，数据清理) 致敬: LLaMA, MOSS, BELLE, Ziya, vLLM

透明的 Python RAG 参考实现，采用 FAISS + BM25 混合检索、重新排序、Gradio UI 与 FastAPI。

:four_leaf_clover: 另一款以 PyTorch 实现的中文聊天机器人，它是智能工单处理机器人的子模块。 👩‍🔧

zhparser 是一个用于 PostgreSQL 中文全文检索的扩展

Rime 粤语拼音输入方案 | 中州韵粤语拼音输入方案

SpaCy 中文模型

微信公众号 AI 运营助手 | 涵盖选题、写稿、审稿、排版、配图、发布全流程 Skill，支持 OpenClaw / Claude Code / Cursor / Codex。