brightmart / nlp_chinese_corpus

#自然语言处理#all kinds of text classification models and more with deep learning

A LITE BERT FOR SELF-SUPERVISED LEARNING OF LANGUAGE REPRESENTATIONS, 海量中文预训练ALBERT模型

RoBERTa中文预训练模型: RoBERTa for Chinese

Open-Sora： 完全开源的高效复现类Sora视频生成方案

#自然语言处理#MNBVC(Massive Never-ending BT Vast Chinese corpus)超大规模中文语料集。对标chatGPT训练的40T数据。MNBVC数据集不但包括主流文化，也包括各个小众文化甚至火星文的数据。MNBVC数据集包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。

#大语言模型#本地化搭建和运行 Llama2 和其他大模型

大模型Grok-1开源

搜集、整理、发布 中文 自然语言处理 语料/数据集，与 有志之士 共同 促进 中文 自然语言处理 的 发展。

#大语言模型#Scalable data pre processing and curation toolkit for LLMs

#大语言模型#微软生成式AI课程，12课时

中文自然语言处理数据集，平时做做实验的材料。欢迎补充提交合并。

#大语言模型#本项目旨在分享大模型相关技术原理以及实战经验（大模型工程化、大模型应用落地）

100+ Chinese Word Vectors 上百种预训练中文词向量

The most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.

#安卓#fay是一个帮助数字人（2.5d、3d、移动、pc、网页）或大语言模型（openai兼容、deepseek）连通业务系统的mcp框架。

#自然语言处理#通义千问-7B（Qwen-7B） 是阿里云研发的通义千问大模型系列的70亿参数规模的模型

#算法刷题#《Hello 算法》：动画图解、一键运行的数据结构与算法教程。支持 Python, Java, C++, C, C#, JS, Go, Swift, Rust, Ruby, Kotlin, TS, Dart 代码。简体版和繁体版同步更新，English version in translation

结巴中文分词

#自然语言处理#Unified Efficient Fine-Tuning of 100+ LLMs & VLMs (ACL 2024)

#自然语言处理#A curated list of resources for Chinese NLP 中文自然语言处理相关资料

#大语言模型#Python SDK, Proxy Server (LLM Gateway) to call 100+ LLM APIs in OpenAI format - [Bedrock, Azure, OpenAI, VertexAI, Cohere, Anthropic, Sagemaker, HuggingFace, Replicate, Groq]