nlp

官方实现 OCR-free Document Understanding Transformer（Donut）与 Synthetic Document Generator（SynthDoG），ECCV 2022。

Python 与命令行工具，用于在网络上收集文本和元数据：爬取、抓取、抽取，输出为 CSV、JSON、HTML、MD、TXT、XML

用于构建机器人之自然语言处理库，具备实体抽取、情感分析、自动语言识别等功能

此仓库是关于人工智慧（AI）的各种课程与资源的精选链接集合

用 Python 编写的开源离线翻译库

统计机器智能与学习引擎

AI Singapore 提供的免费 RPA 工具

Tensorflow 机器学习 Cookbook 的代码

将PDF、文件和图像转换为增强结构化数据

👮‍♂️ Java 敏感词工具（敏感词/违禁词/违法词/脏词）。基于 DFA 算法的高性能 Java 敏感词过滤框架，内置单词标签分类分级。请勿发布涉及政治、广告、营销、翻墙、违反国家法律法规等内容。高性能敏感词检测过滤组件，附带繁体简体互换、全角半角互换、汉字转拼音、模糊搜索等功能。

中文版本的 CLIP，实现中文跨模态检索与表征生成。

从句子中提取关键词或替换句子中的关键词

Awesome Pretrained Chinese NLP Models，高质量中文预训练模型、大模型、多模态模型与大语言模型集合。

语言技术平台。

本地优先医疗 AI：临床 NER 与 HIPAA PII 去识别化，100% 端上执行，2,200+ 医疗模型，21 种语言，Apple MLX + Python，无云端，无病患资料离开网络。Apache-2.0

AI 撰写的韩文被 Claude 重新写成像人类文字的技能 — Korean AI-text humanizer：检测并重写翻译痕迹、机械式平行、以及 71 种其他 AI 特色

EasyR1：一个基于 veRL 的高效、可扩展、多模态 RL 训练框架。

:herb: 中文近义词：聊天机器人，智能问答工具包

Argilla 是一个协作工具，供 AI 工程师与领域专家构建高质量数据集

BenCao（原名：HuaTuo）模型仓库，基于中文医学知识的大语言模型指令微调

text2vec，文本转向量。文本向量表征工具，把文本转化为向量矩阵，实现了 Word2Vec、RankBM25、Sentence-BERT、CoSENT 等文本表征、文本相似度计算模型，开箱即用

机器学习与代理式 AI 资源、实践与研究

一个开源 Prompt‑Learning 框架

一个用于解析/标准化全球街道地址的 C 库，采用统计 NLP 与开放地理数据

Prompt Engineering、生成式 AI 与 LLM 指南，由 Learn Prompting 提供 | 加入我们的 Discord，加入最大的 Prompt Engineering 学习社区

用于 NLP 的数据增强

Prompt Engineering | Prompt Versioning | 使用 GPT 或其他基于 Prompt 的模型获取结构化输出。加入我们的 Discord，了解 Prompt-Engineering、LLM 及其他最新研究

使用 PyTorch 与 TorchText 进行情感分析的入门教程

《大语言模型》作者：赵鑫，李军毅，周昆，唐天一，文继荣

精选大型语言模型、AI 绘画等教程与资源。