不错的开源大模型

微调大模型不再难:LoRA方法带你轻松节省99%的训练成本! 他仅仅用了52KB大小的数据集,然后把Llama训练出来的能力竟然约等于GPT-3.5,而且它的训练成本很低,不到600美金,他只是在8个80G的H100 GPU上训练3个小时,这个训练费用这个花费其实才不到100美金,更费钱的其实是数据的收集,因为他只是一个研究学者,他没有数据,于是他利用OpenAI的API,相当于调用GPT-3.5一问一答,生成了一批数据,调用API花了500美金。下面这个羊驼就是这个模型的logo,现在羊驼的变体也出了很多,也是基于不同数据训练出来的。网上有个很火开源模型,叫羊驼。 阅读详情

不错的开源大模型

短语抽取(仅支持英文)

# KeyBERT
https://github.com/MaartenGr/KeyBERT

# 模型:ml6team/keyphrase-extraction-kbir-inspec
https://hf-mirror.com/ml6team/keyphrase-extraction-kbir-inspec

# 模型:ml6team/keyphrase-extraction-distilbert-inspec
https://hf-mirror.com/ml6team/keyphrase-extraction-distilbert-inspec

# 模型:beogradjanka/bart_finetuned_keyphrase_extraction
https://hf-mirror.com/beogradjanka/bart_finetuned_keyphrase_extraction

抽取技术关键词

# 模型:ilsilfverskiold/tech-keywords-extractor
https://hf-mirror.com/ilsilfverskiold/tech-keywords-extractor

中文关键词生成

# 模型:iic/nlp_mt5_zero-shot-augment_chinese-base
https://modelscope.cn/models/iic/nlp_mt5_zero-shot-augment_chinese-base

英文关键词生成

# 模型:Voicelab/vlt5-base-keywords
https://hf-mirror.com/Voicelab/vlt5-base-keywords

实体抽取

# 模型:numind/NuExtract,这个是一个系列模型
https://hf-mirror.com/numind/NuExtract

文本切割

# 基于序列建模的文本分割模型(中文),iic/nlp_bert_document-segmentation_chinese-base
https://modelscope.cn/models/iic/nlp_bert_document-segmentation_chinese-base

# BERT文本分割-英文-通用领域(英文),iic/nlp_bert_document-segmentation_english-base
https://modelscope.cn/models/iic/nlp_bert_document-segmentation_english-base

中文摘要生成

# 模型:iic/nlp_palm2.0_text-generation_chinese-base
https://modelscope.cn/models/iic/nlp_palm2.0_text-generation_chinese-base

英文摘要生成

# 模型: facebook/bart-large-cnn
https://hf-mirror.com/facebook/bart-large-cnn
CMOS sensor 基础 NA 阅读详情

相关推荐

关系代数表达式优化步骤

关系代数表达式优化步骤 本篇主要讲解怎么画查询语法树并对其优化,因为我在学关系代数的语法树的时候,在网上找不到比较详细的教法或者技巧,最后通过答案反推原理,所以想写一篇技巧来描述一下这类题的解题方法。 先上书内讲解 1、构造查询树 第一步:把用高级语言定义的查询转换为关系代数表达式 ★ 以 SELECT子向对应投影操作,以FROM字向对应笛卡尔积以 WHERE子句对应选择操作,生成原始查询树 ★ SQL语句转化为原始查询树 第二步:把关系代数表达式转换为查询树。 注: 查询树是一种表示关系代数表达式的树形结

m0_51718449的博客 7016

一文掌握文本语义分割:从朴素切分、Cross-Segment到阿里SeqModel

之所以写本文,源于以下两点详见,但该系统也有个可选项,可以选择达摩院开源的语义分割模型:nlp_bert_document-segmentation_chinese-base考虑到在RAG中,embedding和文档语义分割、段落分割都是绕不开的关键点,故本文重点梳理下各类典型的语义分割模型。

结构之法 算法之道 2万+

Ubuntu虚拟机磁盘扩容实战:5分钟搞定gparted分区调整(附常见错误修复)

本文详细介绍了在Ubuntu虚拟机中使用gparted工具进行磁盘扩容的实战步骤。针对常见的交换分区阻碍问题,提供了从禁用交换空间、删除旧分区、调整主分区大小到重建交换分区并更新系统配置的完整解决方案,帮助用户在5-10分钟内安全高效地解决磁盘空间不足的难题。

1a2s3d4f5g的博客 670

大模型:文本分割模型

​ BERT文本分割-中文-通用领域(nlp_bert_document-segmentation_chinese-base),该模型基于wiki-zh公开语料训练,对未分割的长文本进行段落分割。提升未分割文本的可读性以及下游NLP任务的性能。

m0_37559973的博客 4386

【YOLO 系列】基于YOLOv8的工业零件表面缺陷智能检测系统【python源码+Pyqt5界面+数据集+训练代码】

本文详细介绍了如何基于YOLOv8深度学习模型和PyQt5图形界面,构建一套完整的工业零件表面缺陷智能检测系统。内容涵盖从环境搭建、数据集标注、模型训练调参到最终封装成可执行桌面软件的全流程,并深入解析了YOLOv8在工业视觉场景中的技术优势与落地优化策略。

ol78901234的博客 402

GD-Link离线烧录全攻略:从配置到一键下载的保姆级教程

本文详细介绍了GD-Link离线烧录的全流程,从硬件准备到软件配置,再到一键下载的实战技巧。通过保姆级教程,帮助工程师快速掌握国产MCU的离线烧录技术,适用于产线批量烧录和现场设备维护等场景,显著提升工作效率。

ww90123的博客 652

各bert 模型下载

https://www.ctolib.com/ymcui-Chinese-BERT-wwm.html

kyle1314608的博客 5799

文档多模态识别工具对比:MinerU、PaddleOCR、Marker

本文对比了三款文档多模态识别工具:MinerU、PaddleOCR和Marker。MinerU专注于中文文档的端到端解析,支持复杂元素提取和结构化输出,适合中文论文和教材解析。PaddleOCR是通用OCR工具包,支持多语言和全流程任务,适用于发票、车牌等图像OCR。Marker则注重多语言支持和轻量化部署,适合英文论文和技术文档的快速转换。三者在核心技术、中文优化、表格处理、输出格式、部署复杂度和适用语言等方面各有优劣。选型建议根据具体需求:MinerU适合高精度中文解析,PaddleOCR适合定制化OC

朴拙科技的博客 4744

支持高性能结构化数据提取的 Embedding 模型——NuExtract-v1.5

NuExtract 是一个用户友好型模型,设计用于从长文档中提取信息。它可以处理长达 20,000 个标记的输入,是合同、报告和其他商业通信的理想选择。NuExtract 的与众不同之处在于它能够处理和理解文档的整个上下文。这意味着它可以捕捉到可能分散在长文本不同部分的关系和信息。NuExtract 具有高效性和可扩展性。它可以管理大量文本数据,而不需要更多的计算能力,这对于同时处理多个长文档来说非常有利。这种效率得益于它的文本到文本模型架构,也就是善于理解和总结文本的花哨说法。

weixin_41446370的博客 1318

Unity游戏开发:从零开始适配Nintendo Switch的完整指南

本文详细介绍了如何使用Unity进行Nintendo Switch游戏开发的完整流程,包括开发环境搭建、Unity工程适配、手柄与硬件特性开发、存储与性能优化等关键步骤。特别强调了Switch SDK的配置、输入系统改造和内存优化技巧,帮助开发者高效完成跨平台适配。

vodka的博客 1069

C#上位机实战:Modbus RTU串口通信(CRC校验+超时重发完整实现)

在工业自动化上位机开发中,Modbus RTU是串口通信的事实标准协议,SerialPort是 .NET 平台操作串口的原生类,无需依赖第三方库即可实现基础通信。实际项目中,工控现场存在电磁干扰、串口丢包、设备响应延迟等问题,CRC 数据校验用于保证报文完整性,超时重发机制用于提升通信稳定性。本文从零封装一套可直接落地的 Modbus RTU 通信组件,包含完整的校验算法、超时控制、重发逻辑,并配套 WinForm 演示界面。本文基于 C# 原生SerialPort类,实现了一套生产可用。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 388

【今日开源震撼发布】Gemma 2横空出世!9B & 27B模型规模,重塑8K上下文处理新标杆!

★Gemma 2谷歌最新开源的大模型,有9B和27B两种参数规模,分别包含基础和指令微调版本。Gemma 2支持8K上下文,并使用旋转位置嵌入 (RoPE)。训练数据量约为其第一代的两倍,总计13万亿Tokens(27B)和8万亿Tokens(9B)的网页数据(主要是英语)、代码和数学数据。★NuExtract是NuMind团队基于高质量私有合成数据集fine-tuned的phi-3-mini版本,用于信息提取。用户需要提供输入文本(少于2000个token)和描述所需提取信息的JSON模板。

EnjoyEDU的博客 1434

皮肤病识别 - 使用DenseNet或EfficientNet模型在ISIC数据集上进行皮肤病识别任务

在本篇博客中,我们探讨了如何使用 DenseNet 和 EfficientNet 模型在 ISIC 数据集上进行皮肤病识别任务。我们加载了数据集,并进行了预处理。然后我们使用 Keras 构建了两个不同的模型,并训练和评估了它们。最后,我们使用训练好的模型对新的皮肤病图像进行了预测。

斌擎科技 1306

本地免费部署,B站的这款语音开源大模型确实不错

5秒克隆你的声音!B站开源IndexTTS2,语音合成迎来“情感可控”新时代小伙伴们,今天给大家分享一款B站开源文本转语音大模型IndexTTS2!就在不久前,哔哩哔哩Index团队正式开源了IndexTTS2语音合成模型,这个曾经在B站内部被称为“配音神器”的项目一经开源就引爆了整个技术圈。它完美解决了传统语音合成的两大痛点——机械感明显和无法精准控制语速。现在,你只需要5秒的音频样本,就能让AI完美复刻任何人的声音,甚至连说话时的情绪起伏、停顿节奏都能精确掌控。

2403_88996352的博客 322

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

构建企业私有RAG大模型: (可商用)Qwen2.5开源模型vLLM部署及示例

密集、易于使用、仅解码器的语言模型,有0.5B1.5B3B7B14B32B和72B大小以及基本和指示变体。在我们最新的大规模数据集上进行预训练,涵盖多达18T 个标记。在指令跟踪、生成长文本(超过 8K 个标记)、理解结构化数据(例如表格)以及生成结构化输出(尤其是 JSON)方面有显著改进。更能适应系统提示的多样性,增强聊天机器人的角色扮演实现和条件设定。上下文长度最多支持128K个token,最多可生成8K个token。支持超过29。

weixin_59191169的博客 1470

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

江大白 | 六大顶流开源多模态大模型,13大场景横向测评实例!

本文对国内6款主流开源多模态大模型(GLM-4.1V、Skywork-R1V3、Qwen2.5-VL、InternVL3、Step3、ERNIE-4.5)在13个场景下的表现进行了横向评测。测试结果显示:在OCR识别、目标识别等基础任务上各模型表现良好;Qwen2.5-VL在表格解析任务中表现突出;Skywork-R1V3在数学推理和部分空间任务中表现较优;但在目标对比、空间变换、色盲测试等复杂任务上各模型仍存在明显不足。综合来看,不同模型各有优势,建议用户根据具体需求选择合适的模型。评测表明国内开源多模态

csdn_xmj的博客 1657

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

吴恩达官宣开源,yyds!

开源的其中一个意义不就是在打破信息差,降低门槛的基础之上再去做更多的协作与创新嘛,而 aisuite 作为一个基础工具包来说,对初学者的确是十分友好的。根据项目官方介绍,aisuite 是一个基于 Python 语言编写的开源大模型套件,旨在简化开发者与各大 AI 模型服务商的集成过程,从而简化开发者工作+提升开发效率。从目前的情况来看,项目的活跃度还是挺不错的,项目官方也给出了贡献指南,开发者们也可以参与进来提供更丰富的 provider 实现,大家感兴趣的话也可以去研究研究。

CodeSheep 2137

百度文心4.5开源:深度解析与真实体验分享

百度开源文心大模型4.5系列,涵盖文本和多模态模型,在中文语境和视觉理解方面表现突出,综合能力超越部分热门开源模型。此举标志着百度从闭源转向开源策略,旨在降低AI应用门槛,推动生态建设。通过配套部署平台和文档资源,百度希望复制飞桨框架的开源成功经验,让模型深入实际业务场景。开源选择反映百度对行业发展的判断,即通过扩大采用率实现长期商业化,而非短期盈利。这一举措为开发者提供了自主调优和部署的可能,或将加速AI技术的实际落地应用。

2401_84494441的博客 1115

人人皆可创作音乐!腾讯 AI Lab 推出开源音乐生成大模型 SongGeneration

这个大模型可以用来生成各种风格的音乐,小编试了一下,大模型生成速度很快而且在音质旋律方面都还不错。输入歌词,设置曲风和提示词:可以选择流行/爵士/摇滚等多种曲风。立即生成:点击生成歌曲,稍等一会,就能在右边看到生成的歌曲啦。新推出的了一款开源音乐生成大模型。

AI360labs_atyun的博客 528

「源力觉醒 创作者计划」实测解析!文心一言 4.5 开源版本地化部署的表现与潜力

2025 年 6 月 30 日,百度文心大模型 4.5 系列正式开源,并首发于 GitCode 平台!这一重磅消息在 AI 领域掀起了不小的波澜。作为国内最早布局大模型研发的企业之一,百度所推出的文心大模型目前已跻身国内顶级大模型行列,此次开源无疑将对各行各业产生深远影响,进一步加速大模型的发展进程。接下来,就让我们一同探究文心一言 4.5 开源版本地化部署的表现与潜力。

鸽芷咕的博客 2万+

使用ollama启动文心开源大模型0.3b版本

文心开源大模型0.3b版本在Ollama平台成功部署,测试显示其具备良好的编程问题解答能力,能生成Python、Lisp、C++等多种语言的"Hello World"示例代码,并提供代码注释服务。此外,该模型还能处理日常问答(如日期查询)、提供烹饪建议(如风味茄子做法)和AI项目规划指导。虽然0.3b版本仍存在一些局限性(如日期回答不准确),但通过微调优化后有望成为实用的开发辅助工具,尤其在代码生成和项目规划方面展现出应用潜力。

skywalk8163的专栏 728

杨植麟被梁文锋叫醒了!Kimi新模型发布即开源,1T参数全线SOTA

而Kimi的修改在于,如果基于Kimi K2打造的产品或服务月活跃用户超过1亿,或者月收入超过2000万美元,那么需要在该产品和服务的用户界面上显示“Kimi K2”。通过可验证任务持续优化critic,提升泛化任务表现。因为Kimi的数据增长地位,跟其之前拿着巨额融资后烧钱投流的策略密不可分,然而如果DeepSeek和腾讯元宝,可以靠着先进模型就能快速突破,那这壁垒又何在?审美属于是简洁挂的。172天之前,2025年春节之前,Kimi曾是国产基础大模型中最受关注的一个,团队青春风暴,产品体验优雅。

量子位 576

阶跃星辰三百亿参数图生视频开源大模型实战

一阶段api启动后,7号卡显存占用40G,其余卡显存无显存占用;二阶段启动后,权重加载阶段,每张卡同步增加显存占用(估测50G),7号卡显存溢出。综上,阶跃Step-Video-TI2V生成性能不错,考虑到是开源非服务化的原因,框架瑕疵可以接受,推荐有条件的朋友去玩玩。因此,进一步启动代码,后续测试中将卡数限定在4张,规避7号卡OOM的情况。实验结果与推测一致,每张卡上都新加了65G左右的显存占用,7号卡显存占用达110G。使用cpu加载权重后,在二阶段权重加载部分,内存增加(>400G)、显存无增加。

klausedison12345的博客 768

实测!最新端侧全模态大模型Megrez-3B-Omni

Megrez-3B-Omni是由无问芯穹研发的端侧全模态理解模型,基于无问大语言模型Megrez-3B-Instruct扩展,同时具备图片、文本、音频三种模态数据的理解分析能力,具体模型参数如下表所示。Megrez-3B-Omni在并未牺牲模型的文本处理能力的前提下,在三个模态上相较于同等参数模型,均取得较好的效果。图源:https://internvl.github.io/blog/2024-12-05-InternVL-2.5/

2401_84495872的博客 1552

不止强一点!阿里千问3全系震撼登场,开源大模型格局要变天?

总结来看,阿里巴巴千问3 (Qwen3)的这次发布,无疑是开源大模型领域的一次地震。满足从端到云的各类需求。在编码、推理等关键能力上达到甚至超越同级领先水平。可开关推理模式带来实用价值飞跃。让高性能模型更易于被大众接触和使用。多平台分发,拥抱开源社区。Qwen3几乎集齐了当前大语言模型LLM的所有热门要素,并且在多个维度上做到了领先。它不仅巩固了阿里在AI模型研发上的领先地位,更为全球的人工智能开发者和使用者带来了极其宝贵的资源。称其为开源界的“源神”,或许并不为过。开源AI的格局,很可能因为。

m0_66917422的博客 1658

文心一言4.5开源部署指南及文学领域测评

本人测试了“”模型,该模型对于文学领域的处理是十分不错的,由于模型参数量较小,没有对逻辑分析领域进行测评,至于3.11和3.8谁大的问题,对于0.3B的模型来说是可以接受的,毕竟当初GPT那么大的参数还会出错。本人测评水平有限,如有更好的测评思路,还请各位大佬指正。

qq_61024956的博客 2467
上一篇: 智能解析科学文献PDF文件的工具包
下一篇: ubuntu22安装k8s-1.24.17
MasonYyp
博客等级 码龄9年 301粉丝 297原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值