nlp

官方實作 OCR-free Document Understanding Transformer（Donut）與 Synthetic Document Generator（SynthDoG），ECCV 2022。

Python 與命令列工具，用於在網路上收集文字與中繼資料：爬蟲、擷取、抽取，輸出為 CSV、JSON、HTML、MD、TXT、XML

用於構建機器人之自然語言處理函式庫，具備實體抽取、情感分析、自動語言辨識等功能

此倉庫是關於人工智慧（AI）的各種課程與資源的精選鏈接集合

用 Python 编写的开源离线翻译库

統計機器智慧與學習引擎

AI Singapore 提供的免費 RPA 工具

Tensorflow 机器学习 Cookbook 的代码

將PDF、文件和圖像轉換為增強結構化數據

👮‍♂️ Java 敏感詞工具（敏感詞/違禁詞/違法詞/髒詞）。基於 DFA 演算法的高效能 Java 敏感詞過濾框架，內建單詞標籤分類分級。請勿發布涉及政治、廣告、營銷、翻牆、違反國家法律法規等內容。高效能敏感詞檢測過濾元件，附繁體簡體互換、全角半角互換、漢字轉拼音、模糊搜尋等功能。

中文版本的 CLIP，實現中文跨模態檢索與表徵生成。

从句子中提取关键词或替换句子中的关键词

Awesome Pretrained Chinese NLP Models，高品質中文預訓練模型、 大模型、多模態模型與大語言模型集合。

語言技術平台。

本地優先醫療 AI：臨床 NER 與 HIPAA PII 去識別化，100% 端上執行，2,200+ 醫療模型，21 種語言，Apple MLX + Python，無雲端，無病患資料離開網路。Apache-2.0

AI 撰寫的韓文被 Claude 重新寫成像人類文字的技能 — Korean AI-text humanizer：偵測並重寫翻譯痕跡、機械式平行、以及 71 種其他 AI 特色

EasyR1：一個基於 veRL 的高效、可擴展、多模態 RL 訓練框架。

:herb: 中文近義詞：聊天機器人，智能問答工具包

Argilla 是一個協作工具，供 AI 工程師與領域專家構建高品質資料集

BenCao（原名：HuaTuo）模型倉庫，基於中文醫學知識的大語言模型指令微調

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

機器學習與代理式 AI 資源、實踐與研究

一個開源 Prompt‑Learning 框架

一個用於解析/標準化全球街道地址的 C 函式庫，採用統計 NLP 與開放地理資料

Prompt Engineering、生成式 AI 與 LLM 指南，由 Learn Prompting 提供 | 加入我們的 Discord，加入最大的 Prompt Engineering 學習社群

用於 NLP 的資料增強

Prompt Engineering | Prompt Versioning | 使用 GPT 或其他基於 Prompt 的模型獲取結構化輸出。加入我們的 Discord，了解 Prompt-Engineering、LLM 及其他最新研究

使用 PyTorch 與 TorchText 進行情感分析的入門教學

《大語言模型》作者：趙鑫，李軍毅，周昆，唐天一，文繼榮

精選大型語言模型、AI 繪畫等教程與資源。