#natural-language-processing Repository
798 repository in totale
Risorse e strumenti per l'elaborazione del linguaggio naturale (NLP) in lingua indiana
Lo sviluppo e le prospettive future dei grandi modelli di ragionamento multimodale.
Un elenco curato di risorse di apprendimento per rinforzo multi-modale (in continuo aggiornamento)
Modello multimodale per dati testuali e tabulari con transformer HuggingFace come elemento costitutivo per dati testuali
[ICRA2023] Implementazione di mappe visuo-linguistiche per la navigazione robotica
MLGym Un Nuovo Framework e Benchmark per far Avanzare gli Agenti di Ricerca AI
[NeurIPS 2021] Benchmark multiscala per l'apprendimento di rappresentazioni multimodali
Un benchmark di machine learning per spostamenti di distribuzione reali, con data loader, valutatori e modelli predefiniti.
Codice e set di dati per "Character-LLM: un agente addestrabile per il gioco di ruolo"
Questo repository contiene il codice di valutazione per l'articolo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI"
Il repository ufficiale del paper "(Perhaps) Beyond Human Translation: Harnessing Multi-Agent Collaboration for Translating Ultra-Long Literary Texts"
Set di dati basati su attivitร , preelaborazione e valutazione per modelli di sequenza.
Transformers per l'Elaborazione del Linguaggio Naturale, pubblicato da Packt
SelfCheckGPT: Rilevamento di allucinazioni black-box a zero risorse per modelli linguistici generativi di grandi dimensioni
Incorpora, raggruppa ed etichetta semanticamente set di dati di testo con facilitร
Questo repository contiene tutto il necessario per diventare competenti nel Machine Learning
Chain-of-Agents: Modelli Fondamentali di Agenti End-to-End tramite Distillazione Multi-Agente e RL Agente.
Meta Agents Research Environments รจ una piattaforma completa progettata per valutare agenti IA in scenari dinamici e realistici. A differenza dei benchmark statici, questa piattaforma introduce ambienti in evoluzione in cui gli agenti devono adattare le proprie strategie man mano che nuove informazioni diventano disponibili, rispecchiando le sfide del mondo reale.
Intervento al momento dell'inferenza: Ottenere risposte veritiere da un modello linguistico
Pragmatic Segmenter รจ una gemma basata su regole per il rilevamento dei confini delle frasi che funziona immediatamente in molte lingue.
Un repository di Deep Learning NLP che riassume l'elaborazione del testo, Topic Models e attivitร downstream di modelli all'avanguardia come BERT, GPT e LLM utilizzando TensorFlow.
Codifica di un modello linguistico multimodale (Vision) da zero in PyTorch con spiegazione completa: https://www.youtube.com/watch?v=vAmKB7iPkWw
[ECCV 2024 Orale] Codice per l'articolo: Un'immagine vale 1/2 token dopo il Livello 2: Accelerazione dell'inferenza Plug-and-Play per grandi modelli linguistici visivi
:snake: mecab-python. Puoi trovare la versione originale qui: http://taku910.github.io/mecab/
Elenco di articoli sulla traduzione simultanea / traduzione in streaming, inclusa la traduzione automatica da testo a testo e la traduzione da voce a testo.
Un elenco curato di fantastiche risorse per modelli di diffusione discreti.
Implementazione di un wrapper disco-diffusion che puรฒ essere eseguito sulla propria GPU con input di testo batch.
[ICML 2025 Orale] CodeI/O: Condensare i modelli di ragionamento tramite la previsione di input-output del codice
Link a pubblicazioni di conferenze/riviste sull'accertamento automatico dei fatti (risorse per l'articolo TACL22/EMNLP23).