funNLP README

The project's README from github.com/fighting41love/funNLP. As one markdown file: README.md.


NLP民工的乐园

The Most Powerful NLP-Weapon Arsenal

NLP民工的乐园: 几乎最全的中文NLP资源库

在入门到熟悉NLP的过程中,用到了很多github上的包,遂整理了一下,分享在这里。

很多包非常有趣,值得收藏,满足大家的收集癖! 如果觉得有用,请分享并star:star:,谢谢!

长期不定时更新,欢迎watch和fork!:heart::heart::heart:

:fire::fire::fire::fire::fire::fire::fire::fire::fire::fire:                  
* 类ChatGPT的模型评测对比
* 类ChatGPT的资料
* 类ChatGPT的开源框架
* LLM的训练_推理_低资源_高效训练
* 提示工程
* 类ChatGPT的文档问答
* 类ChatGPT的行业应用
* 类ChatGPT的课程资料
* LLM的安全问题
* 多模态LLM
* LLM的数据集
:eggplant: :cherries: :pear: :tangerine:                   :sunflower: :strawberry: :melon: :tomato: :pineapple:                    
* 语料库
* 词库及词法工具
* 预训练语言模型
* 抽取
* 知识图谱
* 文本生成
* 文本摘要
* 智能问答
* 文本纠错
* 文档处理
* 表格处理
* 文本匹配
* 文本数据增强
* 文本检索
* 阅读理解
* 情感分析
* 常用正则表达式
* 语音处理
* 常用正则表达式
* 事件抽取
* 机器翻译
* 数字转换
* 指代消解
* 文本聚类
* 文本分类
* 知识推理
* 可解释NLP
* 文本对抗攻击
* 文本可视化
* 文本标注工具
* 综合工具
* 有趣搞笑工具
* 课程报告面试等
* 比赛
* 金融NLP
* 医疗NLP
* 法律NLP
* 文本生成图像
* 其他

类ChatGPT的模型评测对比

资源名(Name) 描述(Description) 链接
ChatALL:可以同时与多个AI聊天机器人(含清华、讯飞的产品) 可以同时与多个AI聊天机器人(如ChatGPT、Bing Chat、Bard、Alpaca、Vincuna、Claude、ChatGLM、MOSS、iFlytek Spark、ERNIE等)进行对话的工具。它可以并行发送提示给不同的AI机器人,帮助用户找到最好的回答 github-ChatALL
Chatbot Arena 实际场景用Elo rating对 LLM 进行基准测试 - 介绍了 Chatbot Arena,一种针对大型语言模型 (LLM) 的基准平台,采用匿名、随机的方式进行对抗评测,评测方式基于国际象棋等竞技游戏中广泛使用的 Elo rating system。发布了9个流行的开源 LLM 模型的 Elo rating 并推出排行榜。平台采用 FastChat 多模型服务系统,在多个语言下提供交互式界面,数据来源于用户投票。总结了 Chatbot Arena 的优点并计划提供更好的采样算法、排名和服务系统 截止2023年5月3日
类ChatGPT模型评测总结 大型语言模型(LLM)受到广泛关注,这些强大的模型能够理解复杂的信息,并对各种问题提供类人的回应。其中GPT-3和GPT-4表现最好,Flan-t5和Lit-LLaMA表现也不错。但要注意,模型商用可能需要付费和数据共享 blog
大型语言模型(LLMs)大盘点 blog
大模型评测方面的最新研究 长文本建模一直是ChaGPT令人惊艳的能力之一,我们以【篇章翻译】为实验场景,对大模型的篇章建模能力进行全面、细粒度的测试。 paper
中文大模型评测工具&排行榜 C-Eval是一个全面的中文评估套件,适用于基础模型。它包含13948个多项选择题,涵盖52个不同的学科和四个难度级别,具体如下所示。请访问我们的网站或查阅我们的论文获取更多详细信息。 githubpaper
OpenCompass 大模型评测 OpenCompass 上海人工智能实验室开发的一款开源、高效、全面的评测大模型体系及开放平台,提供完整开源可复现的评测框架,支持大语言模型、多模态模型各类模型的一站式评测。利用分布式技术,即使面对千亿参数模型也能在数小时内完成评测。基于多个不同维度的高认可度数据集开放多样化的评测方式,包括零样本评测、小样本评测和思维链评测,全方位量化模型各个维度能力。 github website

类ChatGPT的资料

资源名(Name) 描述(Description) 链接
Open LLMs:可供商业使用的开放大型语言模型(LLM) A list of open LLMs available for commercial use github
LLM Zoo: 大型语言模型的数据、模型和基准集市 LLM Zoo: democratizing ChatGPT - a project that provides data, models, and evaluation benchmark for large language models github
大型语言模型(LLM)资料合集 相关论文列表,包括指导、推理、决策、持续改进和自我提升等方面的研究工作 LLM资料合集
DecryptPrompt 总结Prompt&LLM论文,开源数据&模型,AIGC应用 github
SmartGPT 旨在为大型语言模型(尤其是GPT-3.5和GPT-4)提供完成复杂任务的能力,通过将它们分解成更小的问题,并使用互联网和其他外部来源收集信息。特点包括模块化设计,易于配置,以及对插件的高度支持。SmartGPT的运作基于"Autos"的概念,包括"Runner"和"Assistant"两种类型,都配有处理计划、推理和任务执行的LLM代理。此外,SmartGPT还具有内存管理系统,以及可以定义各种命令的插件系统 github-SmartGPT
OpenGPT 用于创建基于指令的数据集并训练对话领域专家大型语言模型(LLMs)的框架。已经成功应用于训练健康护理对话模型NHS-LLM,利用来自英国国家卫生服务体系(NHS)网站的数据,生成了大量的问答对和独特对话 github-OpenGPT
PaLM 2技术报告 Google最新发布PaLM 2,一种新的语言模型,具有更好的多语言和推理能力,同时比其前身PaLM更节省计算资源。PaLM 2综合了多项研究进展,包括计算最优的模型和数据规模、更多样化和多语言的数据集、以及更有效的模型架构和目标函数。PaLM 2在多种任务和能力上达到了最先进的性能,包括语言水平考试、分类和问答、推理、编程、翻译和自然语言生成等。PaLM 2还展示了强大的多语言能力,能够处理数百种语言,并在不同语言之间进行翻译和解释。PaLM 2还考虑了负责任的使用问题,包括推理时控制毒性、减少记忆化、评估潜在的伤害和偏见等 PaLM 2 Technical Report
DB-GPT 于vicuna-13b和FastChat的开源实验项目,采用了langchain和llama-index技术进行上下文学习和问答。项目完全本地化部署,保证数据的隐私安全,能直接连接到私有数据库处理私有数据。其功能包括SQL生成、SQL诊断、数据库知识问答等 github-DB-GPT
Transformers相关文献资源大列表 包含了各种各样的Transformer模型,例如BERT、GPT、Transformer-XL等,这些模型已经在许多自然语言处理任务中得到了广泛应用。此外,该列表还提供了这些模型的相关论文和代码链接,为自然语言处理领域的研究人员和开发者提供了很好的参考资源 github
GPT-4终极指南 一份关于如何使用GPT3和GPT4的指南,其中包括100多个资源,可以帮助学习如何用它来提高生活效率。包括如何学习ChatGPT基础知识、如何学习ChatGPT高级知识、如何在语言学习中使用GPT-3、如何在教学中使用GPT-3、如何使用GPT-4等,还提供了如何升级到ChatGPT+计划以使用GPT-4以及如何免费使用GPT-4的方法等内容。同时,还提供了如何在业务、生产力、受益、金钱等方面使用ChatGPT的指南 link
基于LoRA的LLM参数高效微调 link
复杂推理:大语言模型的北极星能力 在 GPT-4 发布博客中,作者写道:“在一次随意的谈话中,GPT-3.5 和 GPT-4 之间的区别可能是微妙的。当任务的复杂程度达到足够的阈值时,差异就会显现出来。”这意味着复杂任务很可能是大型和小型语言模型的关键差异因素。在这篇文章中,我们将仔细分析讨论如何让大语言模型拥有强大的复杂推理能力。 blog
大型语言模型的涌现能力是否是海市蜃楼? 大语言模型的涌现能力一直是被大家视作很神奇的现象,似乎是一种大力出奇迹,但这篇论文认为这可能只是一种错觉。 paper
大语言模型的概率总结 非常详尽的LLM科学解释和总结 paper
LLaMA 模型简史 LLaMA是Meta发布的语言模型,采用Transformer架构,有多个版本,最大为65B参数。与GPT类似,可用于进一步微调,适用于多种任务。与GPT不同的是,LLaMA是开源的,可以在本地运行。现有的LLaMA模型包括:Alpaca、Vicuna、Koala、GPT4-x-Alpaca和WizardLM。每个模型都有不同的训练数据和性能表现 blog
大型语言模型的复杂推理 讨论了如何训练具有强大复杂推理能力的语言模型,并探讨了如何有效地提示模型以充分释放其潜力;针对语言模型和编程的训练相似性,提出了三阶段的训练:持续训练、监督微调和强化学习;介绍了评估大型语言模型推理能力的一套任务集合;讨论了如何进行提示工程,通过提供各种学习机会使模型获得更好的学习效果,最终实现智能化 link
大语言模型进化树 paper
李宏毅:穷人如何低资源复刻自己的ChatGPT blog
训练ChatGPT的必备资源:语料、模型和代码库完全指南 资源链接论文地址
GitHub宝藏库,里面整理了GPT相关的各种开源项目 github
ChatGPT中文指南 gitlab
探讨了ChatGPT在自然语言处理中的应用、优势、限制以及未来发展方向 强调了在使用该技术时的伦理道德考量和提示工程技术。 paper
大型语言模型相关文献资源列表 github
大型语言模型文献综述--中文版 github
ChatGPT 相关资源大列表 github
Pre-Training to Learn in Context paper
Langchain架构图 image
LLM开发人员都应该知道的数字 github
大语言模型如何构建强大的复杂推理能力 blog
LLMs九层妖塔 分享打怪(ChatGLM、Chinese-LLaMA-Alpaca、MiniGPT-4、FastChat、LLaMA、gpt4all等)实战与经验 github

类ChatGPT的开源框架

资源名(Name) 描述(Description) 链接
LLM-As-Chatbot 这个项目把市面上有的LLM全部做成了Chatbot,直接可以在google colab运行,不需要自己搭建,非常适用于想体验LLM的朋友们。我刚试了,真的超简单。有些LLM需要的显存比较多,所以最好是要有colab pro订阅。 github
OpenBuddy 一款强大的开源多语言聊天机器人模型,目标是全球用户,重点是对话AI和流畅的多语言支持,包括英文、中文等多种语言。基于Facebook的LLAMA模型,进行了微调,包括扩展词汇表、增加常用字符和增强的token embeddings。通过这些改进和多轮对话数据集,OpenBuddy提供了一个强大的模型,能回答问题并在各种语言之间进行翻译任务。OpenBuddy的使命是提供一个免费、开放且可离线使用的AI模型,该模型可以在用户的设备上运行,无论他们的语言或文化背景如何。目前,OpenBuddy-13B的演示版本可以在Discord服务器上找到。其关键功能包括多语言对话AI(包括中文、英文、日文、韩文、法文等)、增强的词汇表和对常见CJK字符的支持,以及两种模型版本:7B和13B github-OpenBuddy
Panda: 海外中文开源大语言模型 基于 Llama-7B, -13B, -33B, -65B 进行中文领域上的持续预训练,使用了接近15M条数据,并针对推理能力在中文benchmark上进行了评测 github-PandaLM
Dromedary:一个开源的自对齐语言模型,只需少量人工监督即可进行训练 github-Dromedary
LaMini-LM 蒸馏的小型、高效的语言模型集合 从 ChatGPT 蒸馏的小型、高效的语言模型集合,在2.58 M 指令大规模数据集上进行训练 [github](https://gi

funNLP (fighting41love/funNLP)

llm-evaluation
Searching Database…

83K ·GitHub
What is this?A huge curated collection of Chinese NLP resources: corpora, lexicons, tools, datasets and courses. The README calls it 'The Most Powerful NLP-Weapon Arsenal' — nearly the most complete Chinese NLP resource library.
Is it a library I can pip install, or something else?It is a directory, not a package: the README is tables of resources, each entry giving a name, a description and a link to the resource's own repo — you follow links instead of installing anything here.
How do I find my way around something this big?It moves from ChatGPT/LLM topics (evaluation, frameworks, prompt engineering, safety, multimodal) to classic NLP sections: corpora, lexicons, extraction, knowledge graphs, summarization, QA, sentiment analysis and more.
Is everything in the list still up to date?The author updates it irregularly over the long term and invites watches and forks; since every entry is a link to a third-party repo, freshness varies from resource to resource.
Is this aimed at NLP beginners or at experienced practitioners?The author collected these packages while going from NLP beginner to practitioner and shared them for others on the same path, so both learners and working NLP engineers are the target crowd.
Which LLM benchmarks does it collect?The evaluation section lists C-Eval, a Chinese suite of 13,948 multiple-choice questions across 52 subjects at four difficulty levels, plus OpenCompass from the Shanghai AI Laboratory and Chatbot Arena's Elo-rating leaderboard.
Are there runnable ChatGPT-style frameworks in it?Yes: LLM-As-Chatbot runs a range of LLMs as chatbots directly on Google Colab with no setup, OpenBuddy is an open multilingual chatbot model in 7B and 13B sizes, and LaMini-LM offers small models distilled from ChatGPT on a 2.58M-instruction dataset.
What classic Chinese resources are inside?The repo description lists sensitive-word and stopword lists, synonym, antonym and sentiment lexicons, Chinese word vectors, an ancient-poetry corpus, a Xinhua dictionary database with an API, and tools that extract phone numbers, IDs and emails.
Is it useful if my project is in English, not Chinese?Chinese is the focus, but English material is mixed in: Chinese-English sensitive-word lists, Chinese-Japanese-English name lexicons, the cs224n deep-learning NLP course, and word2word pairs covering 62 languages.
Size
170.1 MB
Stars
83K
Updated
PushMay 10
Age
8y
Commits · 90 Days