MiniCPM 是面壁智能与清华大学自然语言处理实验室共同开源的系列端侧大模型，主体语言模型 MiniCPM-2B 仅有 24亿（2.4B）的非词嵌入参数量。通过 Int4 量化技术，MiniCPM 实现了在手机端的部署能力，提供与人类说话速度相当的流式输出速度。MiniCPM 在中文、数学和编程能力方面表现优异，超越了 Llama2-13B、MPT-30B 和 Falcon-40B 等模型。此外，基于 MiniCPM-2B 开发的多模态模型 MiniCPM-V 在同规模模型中表现最佳，支持高效参数微调和全参数微调，二次开发成本较低。
Classy-Fire是一个基于Azure OpenAI的LLM API的预训练多类文本分类方法，采用巧妙的参数微调和提示设计，能够高效地处理各种文本分类任务。
EnergeticAI是为无服务器功能优化的TensorFlow.js，提供快速冷启动、小模块大小和预训练模型，非常适合在Node.js应用中集成开源AI。
bricks是一个模块化的自然语言处理工具，包含分类器、提取器和生成器等众多基础模块，支持多种NLP任务，具有开源和易于扩展的特点。
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。
学习如何构建自己的NLP文本分类器，并将其作为API进行开放，方便用户进行文本分类任务。提供简单易用的接口，支持多种文本分类需求。
EasyNLP是一个功能全面且易于使用的自然语言处理工具包，支持多种NLP任务，提供丰富的预训练模型，并能与多种深度学习框架无缝集成。它拥有良好的文档和社区支持，旨在简化用户的NLP开发流程。
该项目实现了一种参数高效的迁移学习方法，专注于点云分析，通过结合动态适配器和提示调优来提升模型在特定任务上的表现。
Ramen AI 提供完整的文本分类工具集，无需模型训练和预标记数据，开箱即用，轻松构建、测试、监控和扩展应用。
一个用于文档级翻译的项目，基于大型语言模型（LLMs）进行实现，并进行了一系列实验以评估其性能。
