lyhue1991 / eat_chatgpt
☆37Updated 10 months ago
Alternatives and similar repositories for eat_chatgpt:
Users that are interested in eat_chatgpt are comparing it to the libraries listed below
- 学习开源chatGPT类模型的指南,汇总各种训练数据获取、模型 微调、模型服务的方法,以及记录自己操作总遇到的各种常见坑,欢迎收藏、转发,希望能帮你省一些时间☆75Updated last year
- AFAC2024金融智能创新大赛☆33Updated 4 months ago
- prompt engineering ,llm,text2sql☆36Updated last year
- 2023全球智能汽车AI挑战赛——赛道一:AI大模型检索问答, 75+ baseline☆57Updated last year
- 阿里天池: 2023全球智能汽车AI挑战赛——赛道一:AI大模型检索问答 baseline 80+☆99Updated last year
- ChatGLM2-6B-Explained☆35Updated last year
- SMP 2023 ChatGLM金融大模型挑战赛 60 分baseline思路介绍☆184Updated last year
- 大型语言模型实战指南:应用实践与场景落地☆68Updated 7 months ago
- 在RAG技术中,嵌入向量的生成和匹配是关键环节。本文介绍了一种基于CLIP/BLIP模型的嵌入服务,该服务支持文本和图像的嵌入生成与相似度计算,为多模态信息 检索提供了基础能力。☆23Updated 3 months ago
- 专注于对话系统领域的技术分享,重点写《Dify应用操作和源码剖析》专栏。☆92Updated 9 months ago
- 本项目致力于为大模型领域的初学者提供全面的知识体系,包括基础和高阶内容,以便开发者能迅速掌握大模型技术栈并全面了解相关知识。☆56Updated 3 months ago
- large language model training-3-stages+deployment☆47Updated last year
- ☆41Updated last year
- 千问14B和7B的逐行解释☆57Updated last year
- Agentica: Effortlessly Build Intelligent, Reflective, and Collaborative Multimodal AI Agents! 轻松构建智能、具备反思能力、可协作的多模态AI Agent。☆152Updated this week
- langchain学习笔记,包含langchain源码解读、langchain中使用中文模型、langchain实例等。☆208Updated last year
- 中文世界的NLP自动标注开源工具,简单样本,交给LabelFast。☆70Updated 3 months ago
- 属于每个人的公众号”查特查特“上线啦!新问题、新方法、新发现,欢迎提PR!☆45Updated last year
- 快速入门RAG与私有化部署☆175Updated last year
- chatglm-6B for tools application using langchain☆75Updated last year
- 基于大语言模型的检索增强生成RAG示例☆142Updated 4 months ago
- Qwen1.5-SFT(阿里, Ali), Qwen_Qwen1.5-2B-Chat/Qwen_Qwen1.5-7B-Chat微调(transformers)/LORA(peft)/推理☆57Updated 11 months ago
- 用于AIOPS24挑战赛的Demo☆61Updated 10 months ago
- use chatGLM to perform text embedding☆45Updated 2 years ago
- ☆21Updated last year
- kbqa,langchain,large langauge model, chatgpt☆80Updated 6 months ago
- 【大模型 & NLP & 算法大礼包】提供大量NLP、大模型和算法付费干货,一套拥有,学习&科研&工作不愁!☆30Updated 7 months ago
- ☆33Updated 2 weeks ago
- (1)弹性区间标准化的旋转位置词 嵌入编码器+peft LORA量化训练,提高万级tokens性能支持。(2)证据理论解释学习,提升模型的复杂逻辑推理能力(3)兼容alpaca数据格式。☆44Updated last year
- ☆14Updated last year