孝昌县专注网站建设代理,全网营销老婆第一人黑料,阿里云做的网站为啥没有ftp,动漫设计与制作实训报告现在 AI 行业什么最火#xff1f; 「大模型」一定仍然排在前三甲的位置。 自从 2022 年底 ChatGPT 面世以来#xff0c;大模型在各行各业已经带来了太多的惊喜#xff0c;应用场景愈发丰富#xff0c;同时也带动了相关底层技术的普及与普适化。尤其是在开源模型繁荣发展之下… 现在 AI 行业什么最火 「大模型」一定仍然排在前三甲的位置。 自从 2022 年底 ChatGPT 面世以来大模型在各行各业已经带来了太多的惊喜应用场景愈发丰富同时也带动了相关底层技术的普及与普适化。尤其是在开源模型繁荣发展之下无论是从兴趣出发的开发者亦或是有资金支持的企业都能够「站在巨人的肩膀上」打磨更加优质的模型。 然而随着越来越多的开源大模型涌入市场如何挑选优质、合适的大模型和数据集以及如何使用大模型成为了开发者和 AI 爱好者的难题为了方便大家使用和下载HyperAI超神经为大家汇总了优质大模型相关资源 * 优质开源模型20 个 * 优质教程精选10 个 * 优质公共数据集20 个 获取更多大模型资源请访问官网hyper.ai 大模型精选 1. Llama 3 系列 Llama 3 是 Meta 公司的开源 Llama 系列的最新版本该模型采用了新的 Tokenizer将词汇表大小扩展至 128,256。 * Llama 3-8B-Instruct 该模型为 Llama 3 8B 基础模型的指令调优版可以用于在消费级 GPU 上高效部署和开发。模型的上下文长度为 8k预训练数据的截止日期为 2023 年 3 月。 直接使用https://go.hyper.ai/pKyMI * Llama 3-70B 该模型为 Meta 新一代开源大模型 Llama 3 的 70B 参数规模模型适用于大规模 AI 原生应用程序。模型的上下文长度为 8k预训练数据的截止日期为 2023 年 12 月。 直接使用https://go.hyper.ai/XII1S 2. OpenELM-3B-Instruct OpenELM 是苹果研究团队推出的一种先进的开源语言模型该模型为 OpenELM 3B 规模大小的指令调整模型。 直接使用https://go.hyper.ai/Jx3Xs 3. C4AI Command-R C4AI Command-R 是由 Cohere 和 Cohere For AI 联合开发的一个 350 亿参数的高性能生成式模型。多语言生成能力和高性能 RAG 能力的结合使 Command-R 在跨语言任务和知识密集型任务上具有独特优势。 直接使用https://go.hyper.ai/Q6kAf 4. InternLM 2-Chat-20B InternLM2 是书生·浦语 2.0 系列的 20B 规模大小的聊天模型它的综合性能更为强劲可以有效支持更加复杂的实用场景。 直接使用https://go.hyper.ai/pD2rN 5. 金融大模型 deepmoney-34B-chat 该模型是基于 Yi-34B-200K 训练的分为 pt全参数训练和 sft (lora 微调) 两个阶段。 直接使用https://go.hyper.ai/7BO4O 6. Mixtral-8x7B 该模型是 Mistral AI 在 Mistral 7B 的基础上推出的大语言模型采用了多专家 (MoE) 架构由 8 个独立的专家模型组成每个专家模型都是一个 Mistral 7B 模型。 直接使用https://go.hyper.ai/jWfMl 7. FuseChat-7B-VaRM FuseAI 提出了一个扩展的 FuseLLM 框架将多个结构和尺度不同的聊天 LLM 的集体知识和个人优势融合为一个更强大的聊天 LLM即 FuseChat。 直接使用https://go.hyper.ai/EWGvY 8. ChatGLM 3 系列 ChatGLM 3 是智谱AI 和清华大学 KEG 实验室联合发布的对话预训练模型。 * ChatGLM 3-6B 该模型为 ChatGLM3 系列中的开源模型在保留了前两代模型对话流畅、部署门槛低等众多优秀特性 直接使用https://go.hyper.ai/0AcHz * ChatGLM 3-6B-Base 该模型是 ChatGLM3-6B 的基础模型采用了更多样的训练数据、更充分的训练步数和更合理的训练策略。 直接使用https://go.hyper.ai/SaNvM 9. LLaVA-v1.5 系列 LLaVA (Large Language-and-Vision Assistant) 是一个能够进行视觉和语言多模态转换的模型由视觉编码器和大型语言模型 (Vicuna v1.5 13B) 组成。 * LLaVA-v1.5-7B 该模型是 LLaVA-v1.5 系列的 70 亿参数规模的模型。 直接使用https://go.hyper.ai/Ha2Y9 * LLaVA-v1.5-13B 该模型是 LLaVA-v1.5 系列的 130 亿参数规模的模型。 直接使用https://go.hyper.ai/ubBDL 10. Yi-34B 系列 Yi 系列模型是 01.AI 从零开始训练的下一代开源大语言模型。该系列为其 34B 大小的型号模型。 * Yi-34B-Chat 该模型为 Yi-34B 系列是 Chat 模型适用于多种对话场景。 直接使用https://go.hyper.ai/i74NJ * Yi-34B-Chat-GGUF 该模型是 Yi-34B-Chat 的 GGUF 格式。 直接使用https://go.hyper.ai/e3Vdl * Yi-34B-Chat-4bits 该模型是 Yi-34B-Chat 模型的 4bit 量化版可以直接在消费级显卡如 RTX3090上使用。 直接使用https://go.hyper.ai/UagO0 11. Qwen 通义千问大模型系列 Qwen 是阿里云推出的一系列超大规模语言模型包括参数数量各不相同的不同模型。它包括 Qwen基础预训练语言模型和 Qwen-Chat聊天模型聊天模型采用人类对齐技术进行了微调。 * Qwen 1.5-1.8B-Chat Qwen 1.5 是 Qwen 2 的 beta 版本该模型是 Qwen 2 系列中较小参数规模的聊天模型版本参数大小为 18 亿。 直接使用https://go.hyper.ai/fFzxL * Qwen-14B-Chat-Int4 Qwen-14B-Chat 是通义千问大模型系列的 140 亿参数规模的聊天模型该模型为其 Int4 量化模型。 直接使用https://go.hyper.ai/LHdxk * Qwen-72B-Chat 该模型是是通义千问大模型系列的 720 亿参数规模的聊天模型。 直接使用https://go.hyper.ai/7250m * Qwen-72B-Chat-Int4 该模型为 Qwen-72B-Chat 的 Int4 量化模型。 直接使用https://go.hyper.ai/Rh4f3 * Qwen-72B-Chat-Int8 该模型为 Qwen-72B-Chat 的 Int8 量化模型。 直接使用https://go.hyper.ai/n2tOo 优质教程精选 1. 使用 Ollama 和 Open WebUI 部署 Llama 3-8B-Instruct 该教程为 Ollama Open WebUI 一键运行包只需按步骤输入命令即可运行 Llama3-8B-Instruct。 在线运行https://go.hyper.ai/1sero 2. 使用 Ollama 和 Open WebUI 部署 Llama 3-70B 该教程通过 Ollama 和 Open WebUI 工具一键运行模型仅需按步骤输入命令即可运行 Llama3-70B。虽然模型参数较大但经过平台部署后单卡 A6000 即可使用仅占用 1.07 GB 存储。 在线运行https://go.hyper.ai/kJl8Y 3. 一键运行 Qwen1.5-MoE Qwen1.5-MoE-A2.7B 是通义千问团队推出 Qwen 系列的首个 MoE 模型该教程为其 Demo 容器一键克隆即可使用 Gradio 链接体验大模型。 在线运行https://go.hyper.ai/ldW1h 4. 一键运行 Yi-9B Demo Yi-9B 是目前 Yi 系列模型中代码和数学能力最强的模型该教程为 Yi-9B 的 Demo 容器。 在线运行https://go.hyper.ai/fopo0 5. 在线运行 Yi-34B-Chat 的量化模型 本教程主要演示了使用 LlamaEdge 运行 Yi-34B-Chat 的量化模型的主要流程Yi-34B-Chat 是零一万物在 Yi-34B 预训练模型的基础上推出的微调模型。 在线运行https://go.hyper.ai/osUvl 6. 在线运行金融大模型 deepmoney-34B-full Deepmoney 是一个专注于金融领域投资的大型语言模型项目。Deepmoney-34B-full 是基于 01-ai 开源的 Yi-34B-200K 模型进行训练的分为 pt全参数训练和 sft (lora 微调) 两个阶段。现可在超神经官网一键克隆使用。 在线运行https://go.hyper.ai/lFXHY 7. Qwen-14B-Chat-Int4 模型 Gradio Demo 该教程为 Qwen-14B-Chat-Int4 的 Demo 容器Qwen-14B-Chat 是阿里云发布的一个基于大模型的 AI 助手。该教程使用的模型是 Qwen-14B-Chat 的 Int4 量化模型。 在线运行https://go.hyper.ai/x7qnN 8. Qwen-1.8B-Chat-API-FT 模型 Demo 本教程主要演示了如何运行通义千问 Qwen-1.8B-Chat 模型并进行微调的主要流程。Qwen-1.8B 是阿里云研发的通义千问大模型系列的 18 亿参数规模的模型。 在线运行https://go.hyper.ai/ZSJGR 9. Qwen-72B-Chat-Int4 模型 Gradio Demo 该教程为 Qwen-72B-Chat-Int4 的 Demo 容器该模型是一个量化模型其权重和激活函数被量化为4位整数 (INT4)。 在线运行https://go.hyper.ai/r2gfP 10. 快速部署 ChatGLM 2-6B 该教程为 ChatGLM2-6B 的 Demo 容器ChatGLM2-6B 是开源中英双语对话模型ChatGLM-6B 的第二代版本保留了初代模型对话流畅、部署门槛较低等众多优秀特性。 在线运行https://go.hyper.ai/GVs8s 数据集 1. COIG-CQIA 高质量中文指令微调数据集 COIG-CQIA 全称为 Chinese Open Instruction Generalist – Quality is All You Need是一个开源的高质量指令微调数据集旨在为中文 NLP 社区提供高质量且符合人类交互行为的指令微调数据。 直接使用https://go.hyper.ai/Pg37L 2. HalluQA 中文大模型幻觉评估数据集 HalluQA 数据集包含 450 个对抗性问题跨越多个领域并涉及到中国历史文化、习俗和社会现象。 直接使用https://go.hyper.ai/pWyqe 3. Pinocchio 匹诺曹事实知识评估数据集 Pinocchio 数据集是由清华大学、伊利诺伊大学芝加哥分校和剑桥大学的研究人员联合创建的其目的在于全方位评测大型语言模型 (LLMs) 在事实知识存储以及推理能力上的表现。 直接使用https://go.hyper.ai/yggNY 4. FineFake 细粒度多领域假新闻检测数据集 FineFake 是一个专门用于细粒度多领域假新闻检测的数据集由北京航空航天大学和北京邮电大学联合创建。该数据集共有 16,909 个数据样本覆盖了 6 个语义主题和 8 个不同的平台。 直接使用https://go.hyper.ai/CNWIn 5. TriviaQA 用于阅读理解和问答的大型数据集 TriviaQA 是一个阅读理解数据集包含超过 65 万个问答证据三元组。TriviaQA 包括来自维基百科和网络的 662K 文档中的 95K 问答对。 直接使用https://go.hyper.ai/aant8 6. PDCFT 人民日报中文阅读理解数据集 该数据集是第一个中文阅读理解数据集其中包括人民日报和儿童童话People DailyChildren’s Fairy Tale简称 PDCFT。 直接使用https://go.hyper.ai/yO9N5 7. 今日头条中文文本分类数据集 该数据集为今日头条中文新闻短文本分类数据集。数据来源为今日头条客户端。共包含 15 个分类382,688 条文本。 直接使用https://go.hyper.ai/f7Bu8 8. FewJoint 基准数据集 该数据集来自讯飞 AIUI 开放平台上真实用户语料和专家构造的语料比例大概为 37包含 59 个真实域目前域最多的对话数据集之一。 直接使用https://go.hyper.ai/gSwPM 9. PAWS-X 用于释义识别的跨语言对抗数据集 该数据集包含 23,659 个人工翻译的 PAWS 评估对和 296,406 个机器翻译的训练对采用六种类型不同的语言法语、西班牙语、德语、中文、日语和韩语。所有翻译对均源自 PAWS-Wiki 中的示例。 直接使用https://go.hyper.ai/iGq5u 10. Wikipedia 维基百科数据集 该数据集是根据 Wikipedia 转储构建的包含 56 种语言每种语言有一个子集每个子集包含一个训练分割。每个示例都包含一篇完整的维基百科文章的内容并经过清理以去除降价和不需要的部分参考文献等。 直接使用https://go.hyper.ai/WTcXF 11. RJUA-QA 首个中文医疗专科问答推理数据集 RJUA-QA 数据集共含 2,132 个问答对每对问答由医生根据临床经验编写的问题、专家提供的回答以及相关的推理上下文构成这些上下文信息源自中国泌尿外科和男科疾病诊断治疗指南。 直接使用https://go.hyper.ai/1zAiG 12. ShareGPT 90k 中英文双语人机问答数据集 ShareGPT-Chinese-English-90k 是中英文平行双语优质人机问答数据集覆盖真实复杂场景下的用户提问。可用于训练高质量的对话模型。 直接使用https://go.hyper.ai/fhmFF 13. SMP-2017 中文对话意图识别数据集 该数据集为 SMP2017 中文人机对话技术评测 (ECDT) 任务一数据集。 直接使用https://go.hyper.ai/pBjME 14. Chinese-Poetry 中文古典诗歌文集数据库 该数据集是最全的中华古典文集数据库包含 5.5 万首唐诗、 26 万首宋词、 2.1 万首宋词等古典文集。 直接使用https://go.hyper.ai/JKxW5 15. MCFEND 中国假新闻检测的多源基准数据集 该数据集是由香港浸会大学、香港中文大学等机构联合构建的一个多源中文虚假新闻检测基准数据集。 直接使用https://go.hyper.ai/WKwhh 16. seq-monkey 序列猴子开源数据集 1.0 序列猴子数据集是用于训练序列猴子模型的数据集合涉及领域包括中文通用文本语料、古诗今译语料、文本生成语料。 直接使用https://go.hyper.ai/6k2Bz 17. IEPile 大规模信息抽取语料库 IEPile 是由浙江大学研发的大规模高质量的双语中英信息抽取 (IE) 指令微调数据集涵盖了通用、医学、金融等多个领域。 直接使用https://go.hyper.ai/2wRp6 18. LongAlign 10K 大模型长上下文对齐数据集 LongAlign-10k 是清华大学提出的一个针对大模型在长上下文对齐任务中面临的挑战而设计的数据集包含 10,000 条长指令数据长度在 8k-64k 之间。 直接使用https://go.hyper.ai/fXZ85 19. 大众点评数据集 该数据集包含 54 万用户对 24 万家餐馆的440 万条评论或评分数据。可用于推荐系统、情感/观点/评论倾向性分析等任务。 直接使用https://go.hyper.ai/5UiXF 20. 亚马逊用户评价数据集 该数据集包含 142 万用户对亚马逊上 1,100 多个类目 52 万件商品的 720 万条评论或评分数据可用于推荐系统、情感/观点/评论倾向性分析等任务。 直接使用https://go.hyper.ai/SIJXO 更多公共数据集请访问 https://hyper.ai/datasets 以上就是大模型编辑精选的全部内容如果你有想要收录 hyper.ai 官方网站的资源也欢迎留言或投稿告诉我们哦 关于 HyperAI超神经 (hyper.ai) HyperAI超神经 (hyper.ai) 是国内领先的人工智能及高性能计算社区致力于成为国内数据科学领域的基础设施为国内开发者提供丰富、优质的公共资源截至目前已经 * 为 1200 公开数据集提供国内加速下载节点 * 收录 300 经典及流行在线教程 * 解读 100 AI4Science 论文案例 * 支持 500 相关词条查询 * 托管国内首个完整的 Apache TVM 中文文档 访问官网开启学习之旅 https://hyper.ai/ 往期推荐 戳“阅读原文”免费获取海量数据集资源
