生成式语言模型

ERNIE是百度开发的自然语言处理框架，旨在通过持续学习和预训练技术提升语言理解与生成能力。它支持多种自然语言处理任务，包括文本分类、问答系统、文本生成等，并在多种任务中实现了最先进的性能。ERNIE基于Transformer架构，具备高效的模型优化和训练策略，支持多语言处理，适用于中文及其他语言的自然语言处理任务。

哔哩哔哩自研大语言模型，提供多样化的对话和角色扮演功能，支持多种评测基准，具有领先的性能表现

nanoRWKV是RWKV语言模型的轻量级实现，专为快速实验与多种语言处理任务设计，兼容RWKV架构，基于nanoGPT优化了性能和效率，易于扩展和自定义。

FastChat是一个基于Llama-2构建的对话生成项目，支持32k的上下文长度，旨在提供高效的对话生成能力，适用于多种应用场景。它是一个开源项目，易于自定义和扩展，适合开发聊天机器人和进行自然语言处理任务。

ChatGLM-6B是清华大学开发的一个开源双语对话语言模型，基于General Language Model (GLM)架构，具有62亿参数。它支持中英双语对话，并具备图像理解的多模态功能。模型经过约1T标识符的中英双语训练，辅以监督微调、反馈自助、人类反馈强化学习等技术，旨在提供高质量的对话生成和自然语言处理能力。结合模型量化技术，可在消费级显卡上本地部署（INT4量化级别下最低只需6GB显存），并针对中文问答和对话进行了优化。

LightGPT是由AWS贡献者开发的语言模型，基于GPT-J 6B，经过OIG-small-chip2指令数据集的微调，旨在生成符合特定指令的文本。该模型支持在Amazon SageMaker上部署，并提供了示例代码。

基于 LLaMA-7B 经过中文数据集增量预训练，旨在提升中文自然语言处理能力。

收录各种各样的指令数据集，用于训练 ChatLLM 模型，支持多种自然语言处理任务。

WonderWorker是一个用于增强Slack工作区的工具，通过将GPT模型无缝集成，整个团队可以协作并利用GPT模型的强大功能。用户只需安装Slack应用并授权访问工作区，即可直接在Slack中使用GPT模型生成文本、回答问题和协助各种任务。

基于预训练语言模型的零样本和少样本NLP的教程，提供了一系列的示例和实用工具，用于帮助研究人员和工程师理解和应用这些技术。

Zgi.ai致力于简化大型语言模型（LLM）应用的构建过程，为开发者和企业提供必要的工具和资源，帮助他们将梦想转化为现实，打破技术限制，实现前所未有的可能性。

开源中英双语对话模型 ChatGLM-6B 的第二代版本，拥有更强大的性能、更长的上下文、更高效的推理和更开放的协议。

手把手带你实战 Huggingface Transformers 课程视频和资料，帮助学习者掌握自然语言处理技术。

DataLab是一个统一平台，允许NLP研究人员以高效且易用的方式执行多种与数据相关的任务，提供数据诊断、操作标准化、数据搜索和全局分析等功能。

OpenChat是一个基于LLaMA架构的开源大语言模型，通过6K GPT-4对话数据进行微调，旨在在推理效率和表现力上达到与ChatGPT相当的水平。它利用自然语言对话数据和强化学习方法，在混杂质量数据下进行训练，克服了labels标注难题，是开源领域内表现最出色的模型之一。

这个开源项目的目的是模拟 openai api 并将其移植到手机端，使得用户可以更方便地利用该功能，实现物尽其用的效果。

Anima是第一个开源的基于QLoRA的33B中文大语言模型，旨在支持大规模中文处理，促进社区参与与贡献，具备高效的模型训练与推理能力。

LLaMa2Lang是一个用于微调LLaMa2-7b模型的工具，旨在提升其在非英语语言中的对话能力。由于LLaMa2模型主要基于英语数据进行训练，因此在其他语言上的表现较差。本项目旨在改善这一问题，使LLaMa2能够更好地处理各种语言的对话需求。