#natural-language-processing Repositorios
798 repositorios en total
La biblioteca de detección de lenguaje natural más precisa para Python, adecuada para textos cortos y textos multilingües
[ICML 2024] LLMCompiler: Un compilador LLM para llamadas de funciones paralelas
Un módulo de Python para extraer provincias, ciudades y distritos de cadenas de texto en chino simplificado y realizar mapeo, validación y gráficos simples
Curación de datos sintéticos para post-entrenamiento y extracción de datos estructurados
Caja de herramientas de modelos, callbacks y conjuntos de datos para investigadores de IA/ML.
airda (Air Data Agent) es un agente múltiple para el análisis de datos, capaz de comprender las necesidades de desarrollo y análisis de datos, comprender los datos y generar código SQL y Python para tareas como consultas de datos, visualización de datos y aprendizaje automático.
TorchMultimodal es una biblioteca de PyTorch para entrenar modelos multimodales y multitarea de última generación a escala.
Código para 'LLM2Vec: Large Language Models Are Secretly Powerful Text Encoders'
comparación de comediantes de stand up usando procesamiento de lenguaje natural
Inteligencia Artificial, Aprendizaje Automático y Aprendizaje Profundo increíbles, tal como los aprendemos. Notas de estudio y una lista curada de recursos increíbles sobre estos temas.
Este repositorio apoya las contribuciones para herramientas del conjunto de datos Project CodeNet alojado en DAX
Servidor de inferencia CPU/GPU eficiente, escalable y de nivel empresarial para modelos transformer de 🤗 Hugging Face 🚀
Este repositorio contiene la implementación oficial de los artículos de investigación "MobileCLIP" CVPR 2024 y "MobileCLIP2" TMLR Agosto 2025
Graph4nlp es la biblioteca para el uso fácil de Redes Neuronales de Grafos para NLP. ¡Bienvenido a visitar nuestro sitio web DLG4NLP (https://dlg4nlp.github.io/index.html) para obtener varios recursos de aprendizaje!
Un servidor del Protocolo de Contexto de Modelo (MCP) para crear, leer y manipular documentos de Microsoft Word. Este servidor permite a los asistentes de IA trabajar con documentos de Word a través de una interfaz estandarizada, proporcionando ricas capacidades de edición de documentos.
Acceda a una base de datos de frecuencias de palabras, en varios idiomas naturales.
Extracción de datos no estructurados, rápida y eficiente. Escrito en Rust con enlaces para muchos idiomas.
YaRN: Extensión Eficiente de la Ventana de Contexto de Grandes Modelos de Lenguaje
Machine Learning para el Trading Algorítmico, Segunda Edición - publicado por Packt
Un framework sin necesidad de programar, basado en PyTorch, para realizar estudios de aprendizaje profundo reproducibles. Ecosistema PyTorch. 🏆 Hasta ahora se han implementado 28 métodos de destilación del conocimiento presentados en TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI, etc. 🎁 Se ofrecen modelos entrenados, registros de entrenamiento y configuraciones para garantizar la reproducibilidad y facilitar la evaluación comparativa.
Una serie de grandes modelos de lenguaje de código desarrollados por PKU-KCL
una biblioteca de Python para analizar cadenas de direcciones no estructuradas de los Estados Unidos en componentes de dirección
WikiChat es un RAG mejorado. Detiene la alucinación de los modelos de lenguaje grandes recuperando datos de un corpus.
DAMO-ConvAI: El repositorio oficial que contiene la base de código para Alibaba DAMO Conversational AI.
Macaw-LLM: Modelado de lenguaje multimodal con integración de imágenes, video, audio y texto
Una base de código unificada de aprendizaje semisupervisado (NeurIPS'22)
Repositorio oficial del artículo "Scaling Synthetic Data Creation with 1,000,000,000 Personas"
Este repositorio incluye la implementación oficial de OpenScholar: Sintetizando literatura científica con LM aumentados por recuperación.
Awesome Search - esto trata sobre la búsqueda (de comercio electrónico, pero no solo) y su genialidad
Una colección de corpora para el reconocimiento de entidades nombradas (NER) y tareas de reconocimiento de entidades. Estos conjuntos de datos anotados cubren una variedad de idiomas, dominios y tipos de entidades.
Una bifurcación para agregar el entrenamiento de modelos multimodales a open-r1
Modelo de aprendizaje profundo de vanguardia para analizar sentimientos, emociones, sarcasmo, etc.
ChatArena (o Chat Arena) es un entorno de juego de lenguaje multiagente para LLM. El objetivo es desarrollar las capacidades de comunicación y colaboración de las IA.