#natural-language-processing Dépôts
798 dépôts au total
Framework de Modèles de Pré-entraînement Open Source en PyTorch & Zoo de Modèles Pré-entraînés
:book: Une bibliothèque Golang pour le traitement de texte, incluant la tokenisation, l'étiquetage des parties du discours et l'extraction d'entités nommées.
Un outil simple pour mettre à jour les entrées bibliographiques avec leurs informations officielles (par exemple, DBLP ou l'anthologie ACL).
Holistic Evaluation of Language Models (HELM) est un framework Python open source créé par le Center for Research on Foundation Models (CRFM) de Stanford pour une évaluation holistique, reproductible et transparente des modèles fondamentaux, y compris les grands modèles linguistiques (LLM) et les modèles multimodaux.
[ACL 2024] Un framework facile da usare per la modifica della conoscenza per LLMs.
Un dépôt pour pré-entraîner à partir de zéro + SFT un LLaMa2 chinois avec peu de paramètres ; une seule carte 24G suffit pour l'exécuter et obtenir un chat-llama2 doté de simples capacités de questions-réponses en chinois.
Assistant d'apprentissage immersif des langues (Immersive Language Learning Assistant)
Ensemble Mixture-Of-Agents (MoA) – 65,1 % sur AlpacaEval avec des modèles OSS
🔮 Une approche fonctionnelle rafraîchissante de l'apprentissage profond, compatible avec vos bibliothèques préférées
Un cours accéléré en six épisodes pour les développeurs de logiciels qui souhaitent devenir praticiens en apprentissage automatique.
Une bibliothèque unifiée pour l'apprentissage par transfert efficace en termes de paramètres et modulaire
"Traduction automatique : Fondements et modèles" par Xiao Tong et Zhu Jingbo - Machine Translation: Foundations and Models
Évaluation comparative de la capacité de raisonnement complexe des grands modèles linguistiques avec l'incitation en chaîne de pensée
Concaténer un répertoire plein de fichiers en une seule invite pour une utilisation avec les LLM
MLNLP : Ce dépôt répertorie les articles avec code open source issus de conférences sur l'intelligence artificielle (telles que ACL, EMNLP, NAACL, COLING, AAAI, IJCAI, ICLR, NeurIPS, ICML, etc.).
📖 Une étude exhaustive des agents d’IA autoévolutifs : un nouveau paradigme reliant les modèles de fondation et les systèmes agentifs durables
Les grands modèles linguistiques (LLM) simplifiés, EasyLM est une solution tout-en-un pour le pré-entraînement, le réglage fin, l'évaluation et le service des LLM en JAX/Flax.
Agent commercial IA sensible au contexte pour automatiser la prospection commerciale.
Machine Learning University : Cours accéléré de traitement du langage naturel
Effectuer une récupération simple à partir de modèles LLM à différentes longueurs de contexte pour mesurer la précision
GPT-Prompt-Hub est un référentiel open-source piloté par la communauté, dédié à la collecte, au partage et au perfectionnement de prompts GPT personnalisés
Boîte à outils pour l'apprentissage automatique, le traitement du langage naturel et la génération de texte, sous TensorFlow. Ceci fait partie du projet CASL : http://casl-project.ai/
Implémente la suppression des rejets nocifs/inoffensifs à l'aide de transformeurs HF purs
Une bibliothèque RL modulaire pour affiner les modèles linguistiques aux préférences humaines
Maîtrisez les compétences essentielles nécessaires pour reconnaître et résoudre des problèmes complexes du monde réel avec l'apprentissage automatique et l'apprentissage profond en tirant parti de l'écosystème Python Machine Learning très populaire.
De belles visualisations de la manière dont la langue diffère entre les types de documents.
Une bibliothèque pour le raisonnement avancé des grands modèles linguistiques
J'ai fait réfléchir davantage mon IA en la faisant argumenter avec elle-même à plusieurs reprises. Cela fonctionne étonnamment bien.
📅🇨🇳 Données sur les jours fériés légaux en Chine Récupérées automatiquement quotidiennement à partir des annonces du Conseil d'État
Dépôt officiel de 'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning’
Cela comprend l'implémentation originale de SELF-RAG : Learning to Retrieve, Generate and Critique through self-reflection par Akari Asai, Zeqiu Wu, Yizhong Wang, Avirup Sil et Hannaneh Hajishirzi.