UltraChat:大规模、信息丰富、多样化的多轮对话数据,以方便构建具有通用会话能力的强大语言模型

:大规模、信息丰富、多样化的多轮对话数据,以方便构建具有通用会话能力的强大语言模型为了保证生成质量,生成时采用了两个独立的ChatGPTTurboAPI,其中一个扮演用户角色生成查询,另一个生成响应。该项目使用精心设计的提示来指导用户模型模仿人类用户行为并迭代调用这两个API。生成的对话经过进一步的后处理和过滤。由三个部门组成:QuestionsabouttheWorld:该部门的对话数据来自与现实世界中的概念、实体和对象相关的广泛查询。涵盖的主题广泛,涵盖技术、艺术和创业等领域。写作与创作:该领域的对话数据由从零开始的写作/创作需求驱动,涵盖了AI助手在创作过程中可能协助完成的任何任务,从电子邮件撰写到制作叙事和剧本,超越。AssistanceonExistentMaterials:该板块的对话数据是基于现有材料生成的,包括但不限于改写、延续、总结和推理,涵盖主题多样。

相关推荐

封面图片

金山办公回应 WPS AI 商业化进展:将提供多样化的会员服务

金山办公回应WPSAI商业化进展:将提供多样化的会员服务据《科创板日报》,对于WPS会员体系发生变化,新增WPSAI会员及WPS大会员。金山办公方面称,这次会员权益变化希望通过多样化的会员服务,满足用户在AI办公场景下更加多元化的需求,帮助用户在工作和学习中提效。其中,WPSAI会员包含AI内容创作、AI生成PPT、AI写公式和AI阅读理解四大功能板块,WPS大会员=超级会员+WPSAI会员+其他权益(个人云空间1T、全文翻译500页、AI阅读理解1000次、教学套餐、个人海报套餐、个人商用套餐、文库套餐等)。接下来会持续完善优化产品能力,关注用户使用场景,为用户提供更多个性化的AI权益服务。

封面图片

ModelScope-Agent: 用开源大型语言模型构建可定制的Agent系统,一个适用于实际应用的通用且可定制的Agent框

:用开源大型语言模型构建可定制的Agent系统,一个适用于实际应用的通用且可定制的Agent框架,基于开源LLM作为控制器具有以下特点:可定制且功能全面的框架:提供可定制的引擎设计,涵盖了数据收集、工具检索、工具注册、存储管理、定制模型训练和实际应用等功能,可用于快速实现实际场景中的应用。开源LLMs作为核心组件:支持在ModelScope社区的多个开源LLMs上进行模型训练。多样化且全面的API:以统一的方式实现与模型API和常见的功能API的无缝集成。为了赋予LLMs工具使用能力,提出了一个全面的框架,涵盖了数据收集、工具检索、工具注册、存储管理、定制模型训练和实际应用的方方面面。

封面图片

【Otherside Wiki发布Otherside语言工具】

【OthersideWiki发布Otherside语言工具】Otherside数据聚合器社区OthersideWiki在社交媒体宣布推出“Otherside语言工具”,可以帮助社区用户使用Otherside/Koda语言进行写作,只需将文字输入文本区域就会生成相应的句子。截止目前,OthersideWiki已根据YugaLabs、10KTF和Otherside的各种帖子和推文找出了Otherside字母表中26个字母中的17个。

封面图片

具有聊天界面的上下文数据可视化工具,使用自然语言和GPT生成数据集的可视化,可以逐步编辑可视化结果,使其更加准确,无需重新输入整

具有聊天界面的上下文数据可视化工具,使用自然语言和GPT生成数据集的可视化,可以逐步编辑可视化结果,使其更加准确,无需重新输入整个复杂查询。特点包括:自然语言生成数据可视化、使用聊天上下文编辑可视化、允许用户根据预期修改图表、通过与可视化交互逐步探索数据、上传自己的CSV数据集进行可视化、保存可视化和聊天记录、允许用户使用可视化编辑器进行编辑,并根据用户的喜好生成更好的可视化。#可视化#工具

封面图片

一个医疗大语言模型的综合评测框架,具有以下三大特点:

一个医疗大语言模型的综合评测框架,具有以下三大特点:1.大规模综合性能评测:GenMedicalEval构建了一个覆盖16大主要科室、3个医生培养阶段、6种医学临床应用场景、基于40,000+道医学考试真题和55,000+三甲医院患者病历构建的总计100,000+例医疗评测数据。这一数据集从医学基础知识、临床应用、安全规范等层面全面评估大模型在真实医疗复杂情境中的整体性能,弥补了现有评测基准未能覆盖医学实践中众多实际挑战的不足。2.深入细分的多维度场景评估:GenMedicalEval融合了医师的临床笔记与医学影像资料,围绕检查、诊断、治疗等关键医疗场景,构建了一系列多样化和主题丰富的生成式评估题目,为现有问答式评测模拟真实临床环境的开放式诊疗流程提供了有力补充。3.创新性的开放式评估指标和自动化评估模型:为解决开放式生成任务缺乏有效评估指标的难题,GenMedicalEval采用先进的结构化抽取和术语对齐技术,构建了一套创新的生成式评估指标体系,这一体系能够精确衡量生成答案的医学知识准确性。进一步地,基于自建知识库训练了与人工评价相关性较高的医疗自动评估模型,提供多维度医疗评分和评价理由。这一模型的特点是无数据泄露和自主可控,相较于GPT-4等其他模型,具有独特优势。#框架

封面图片

一个开源的、支持中英双语的对话语言模型,基于 General Language Model (GLM) 架构,具有 62 亿参数

一个开源的、支持中英双语的对话语言模型,基于GeneralLanguageModel(GLM)架构,具有62亿参数。结合模型量化技术,用户可以在消费级的显卡上进行本地部署(INT4量化级别下最低只需6GB显存)。ChatGLM-6B使用了和ChatGPT相似的技术,针对中文问答和对话进行了优化。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的加持,62亿参数的ChatGLM-6B已经能生成相当符合人类偏好的回答。

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人