nlp

[EMNLP 2022] 用于知识图谱提取与构建的开源工具包

通用技术，为 AI 能力提供 LLM 与 MLLM 支援

Databricks 基础模型的 LLM 训练代码

自然语言检测

此项目重现《Dive Into Deep Learning》一书的内容，将 MXNet 代码改写为 PyTorch。

从 A 到 Z 的数据科学路线图。

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。

LightLLM 是一个基于 Python 的 LLM（大型语言模型）推理与服务框架，以轻量化设计、易于扩展与高速性能著称

AdalFlow：构建并自动优化 LLM 应用的库

ChatGPT 资料汇总学习，持续更新……

The Hugging Face course on Transformers

前沿自然语言处理

语言模型分词速度达 GB/s

中文 NLP 预处理、解析工具包，准确、高效、易用 A Chinese NLP Preprocessing & Parsing Package www.jionlp.com

超快AI决策与多模态资料的智能处理

中文 NLP 解决方案（大模型、数据、模型、训练、推理）

Datawhale 成员整理的面试经验，内容涵盖机器学习、CV、NLP、推荐、开发等，欢迎大家点星。

精选大型语言模型、Text2SQL、Text2DSL、Text2API、Text2Vis 等教程与资源

自动摘要文字文件和 HTML 页面的模块

[EMNLP 2021] SimCSE：简单对比学习句子嵌入 https://arxiv.org/abs/2104.08821

深度学习入门课、资深课、特色课、学术案例、产业实践案例、深度学习知识百科及面试题库The course, case and knowledge of Deep Learning and AI

快速上手 AI 理论及应用实战：基础知识、Transformer、NLP、ML、DL、竞赛。含大量注解及数据集，力求每一位能看懂并复现。

🛠 全功能网页 IDE，专为机器学习与数据科学设计

TextAttack 是一个用于 NLP 的 Python 框架，支持对抗性攻击、数据增强和模型训练 https://textattack.readthedocs.io/en/master/

[TMLR] 一份关于代码（及其他软件工程活动）语言模型研究的精选清单，附相关数据集

我们想创建一个仓库，展示在中文中使用 transformers 的方法

一个用于 Document AI 的仓库

深度学习100例、深度学习DL、图片分类、目标识别、目标检测、自然语言处理nlp、文本分类、TensorFlow、PyTorch。

textlint 是一个可扩充的自然语言文本检查器

LLM Agent 必读论文。