PrimeQA是一个先进的多语言问答研究与开发的主要资源库，支持最新的深度学习模型，易于扩展和定制，并提供多种数据集与基准测试，适用于实时问答和批量处理场景。
Biblos是一个利用向量搜索和总结功能深入探索圣经的项目，结合了最新的自然语言处理技术，提供了一种在圣经文本中进行语义搜索和内容总结的新方法。
Hugot 是一个用于 Golang 的 huggingface transformer pipelines，可以轻松地将 Python 中的 huggingface 模型部署到 golang 应用中。该项目支持多种 Hugging Face 模型，简化模型部署过程，轻松与 Golang 应用集成，提供高性能的推理和用户友好的 API。
TigerBot 是一个基于 BLOOM 的多语言多任务大规模语言模型（LLM），在模型架构和算法上进行了多项优化，旨在提供高效的自然语言处理能力，支持多种语言和任务，具有强大的可扩展性。
一个包含大约4675本中文科幻小说的语料库，可以用于中文科幻小说的人工智能研究。
关于使用RAG模式(Retrieval-Augmented Generation)的应用和资源的信息，包括关于RAG技术的综述，以及一些GitHub库和企业级应用的链接，这些应用使用RAG模型来增强自然语言处理和信息检索能力
STORM项目旨在通过检索和多角度提问的方法，自动生成主题大纲，适用于多种自然语言处理任务，提升信息整理和知识提取的效率。
GPT-V-on-Web是一个结合了GPT-4视觉能力与Vimium的项目，旨在实现网页的自动化操作。它能够通过自然语言处理与网页进行交互，识别网页内容并执行相应操作，极大地提高了用户在网络上的操作效率。用户可以自定义快捷键来快速完成各种任务，提升工作流的流畅性。
Reor是一款在本地运行模型的人工智能笔记应用程序，专注于保障用户隐私与安全，同时提供智能的笔记整理和分类功能。它支持多种笔记格式，并具备自然语言处理能力，便于快速搜索与管理笔记。
阿里巴巴推出的科研idea自动生成器，利用自然语言处理技术，帮助科研人员快速生成创新的科研项目创意，支持多种科研领域，具有用户友好的界面，方便科研工作者获取灵感和建议。
通过使用GPT模型在本地设备上与文档进行问答交流的方式，实现100％私密且不离开设备的聊天。
DeepSeek-R1 是一个在 Hugging Face 上发布的大型模型，具有强大的性能表现，能够全面与 OpenAI-o1 竞争。该模型参数量达到685B，支持 BF16 和 int4 量化，并包含蒸馏模型 DeepSeek-R1-Distill-Qwen-32B。它适用于自然语言处理任务，能够进行文本生成和理解，同时也可用于模型评测和比较。
本项目对大型语言模型在不同自然语言处理任务中的提示工程方法进行了调查，展示了如何在不需要大量参数重训练或微调的情况下，增强模型能力，并使非深度学习背景的用户能够与大型语言模型进行交互。同时总结了基于NLP任务的各种提示技术，并分析了在不同数据集上的性能表现。
XuanYuan-70B 是基于Llama2-70B模型进行中文增强的一系列金融大模型，包含大量中英文语料增量预训练之后的底座模型以及使用高质量指令数据进行对齐的chat模型。
LLM101n是由AI领域知名专家Andrej Karpathy开发的一个综合性AI课程，专注于大型语言模型（LLM）的教学。课程从基础知识到高级应用，涵盖深度学习和自然语言处理技术，旨在帮助学习者全面掌握AI技术，并构建类似于ChatGPT的可运行Web应用程序。课程内容包括Python、C、CUDA编程实现，反向传播技术，Transformer架构，注意力机制，分词技术，模型优化，分布式训练，监督微调，强化学习，以及模型部署和多模态技术应用。
SOS4NLP是针对自然语言处理领域的综述调查，提供全面的NLP资源汇总，包括多种任务和方法的研究综述、丰富的参考文献和链接，旨在帮助研究人员快速找到相关资料。
基于LLaMA和SlimPajama的MoE模型，旨在利用混合专家模型进行持续预训练。该模型结合了LLaMA和SlimPajama的优点，通过支持混合专家架构，提高模型的效率和性能，同时能够进行持续的预训练，以适应不同的任务，灵活的模型配置使其适用于多种应用场景。
该项目提供了关于提示技术的全面调查，包含超过76页和1500多篇相关论文，深入探讨各种提示技术的应用和发展。
Aquila语言大模型在技术上继承了GPT-3、LLaMA等的架构设计优点，替换了一批更高效的底层算子实现、重新设计实现了中英双语的tokenizer，升级了BMTrain并行训练方法，在Aquila的训练过程中实现了比Magtron+DeepSpeed ZeRO-2将近８倍的训练效率。
SlashGPT是一个旨在帮助开发人员快速制作大语言模型(LLM)智能体或具有自然语言用户界面的应用原型的平台。它提供了丰富的功能和灵活的API，支持快速的原型开发和测试，适合教育和实验用途。
基于Andrej Karpathy的GPT-2实现和训练，添加大量注释以帮助理解模型原理，计划逐步增加更多功能。
OmniSteward是一款基于人工智能的大型语言模型，能够通过语音或文字与用户进行互动，控制智能家居和电脑，具备高度的可扩展性和无限的应用可能性。
phi-1.5是微软发布的一个具有13亿参数的语言模型，在自然语言处理和复杂推理任务上表现优异，其性能可与体量大5倍的模型相媲美。该模型遵循‘教科书就是你需要的一切’的原则，并且不使用爬虫爬取的互联网数据。
LLaVA-LLaMA-3是基于Llama-3-8b大型语言模型(LLM)的LLaVA-v1.5复现项目，旨在提供预训练模型及相关的训练和演示脚本，方便研究人员和开发者进行自然语言处理任务的探索与应用。
本文提出了一种将自然语言转换为计算机能够理解的形式的框架，该框架将自然语言的任务、实体和关系翻译成概率性世界模型，并使用概率性程序来表示和推理这个世界模型。
该论文介绍了一种新颖且简单的方法，仅使用合成数据和不到1,000个训练步骤即可获得高质量文本嵌入。它利用专有的LLM生成了多样的合成数据，用于处理几乎100种语言中的数十万个文本嵌入任务。
cloudflare-ai-web是一个集成了GeminiPro Vision、Cloudflare Workers AI和ChatGPT的Web平台，旨在提供强大的AI处理能力和友好的用户体验。该平台的架构可扩展，便于开发者创建个性化的AI应用程序，并与其他Web服务无缝集成。
MPT-30B是MosaicML刚刚发布的一种强大模型，具备8K的上下文理解能力，专门设计用于聊天应用，适合多种自然语言处理任务。
semchunk是一个快速且轻量的纯Python库，旨在将文本拆分成语义上有意义的区块，方便进行自然语言处理和文本分析。
Jlama是一个纯Java实现的大规模语言模型推理引擎，支持多种模型格式，能够提供高性能和低内存占用，易于集成到各种应用中。
