懂AI

长文本处理工具合集：提升文档编辑与分析效率

相关项目相关文章
Awesome-LLM-Long-Context-Modeling学习资料汇总 - 长文本建模相关资源分享

Awesome-LLM-Long-Context-Modeling学习资料汇总 - 长文本建模相关资源分享

本文汇总了大型语言模型(LLM)长文本建模相关的优质学习资源,包括论文、代码、博客等,帮助读者快速了解该领域的最新进展。

大语言模型长文本处理信息检索Transformer优化自然语言处理Github开源项目
Stella: 一个强大的中文文本编码模型

Stella: 一个强大的中文文本编码模型

Stella是一个通用的中文文本编码模型，支持1024的输入长度，在多个评测基准上表现出色。本文将详细介绍Stella模型的特点、训练方法、评测结果以及使用方式。

stella模型中文文本编码长文本处理C-MTEB向量嵌入Github开源项目
Chain-of-Thought Hub: 测量大语言模型的复杂推理能力

Chain-of-Thought Hub: 测量大语言模型的复杂推理能力

Chain-of-Thought Hub是一个开源的评估套件,用于测量大语言模型在多步推理任务上的能力。它通过链式思考提示技术来评估模型在数学、科学、符号推理等复杂任务上的表现。

复杂推理能力大语言模型Chain-of-ThoughtLLM评估长文本处理Github开源项目
BABILong: 突破长文本处理的新基准

BABILong: 突破长文本处理的新基准

BABILong是一个创新的基准测试,旨在评估自然语言处理模型在处理包含分散事实的超长文档时的表现。它通过将关键信息隐藏在大量无关文本中来模拟现实世界的长文本场景,为评估和改进NLP模型的长文本处理能力提供了重要工具。

BABILong长文本处理语言模型评估推理能力数据集Github开源项目
MInference：加速长上下文LLM推理的革命性技术

MInference：加速长上下文LLM推理的革命性技术

MInference是微软推出的一项创新技术，通过利用LLM注意力机制的动态稀疏特性，显著提升了长上下文大语言模型的推理速度，同时保持了模型的准确性。本文深入探讨了MInference的工作原理、性能表现以及对AI领域的潜在影响。

MInference大语言模型动态稀疏注意力长文本处理性能优化Github开源项目
Recurrent Memory Transformer: 突破长上下文处理的创新架构

Recurrent Memory Transformer: 突破长上下文处理的创新架构

Recurrent Memory Transformer (RMT) 是一种创新的神经网络架构,通过引入递归记忆机制,显著提升了Transformer模型处理长序列的能力,将有效上下文长度扩展到了200万个token,为自然语言处理领域带来了新的可能性。

Recurrent Memory Transformer长文本处理机器学习模型自然语言处理Hugging FaceGithub开源项目
LLMLingua: 突破大语言模型推理瓶颈的高效提示压缩技术

LLMLingua: 突破大语言模型推理瓶颈的高效提示压缩技术

LLMLingua 是一种创新的提示压缩技术，能够将大语言模型的输入提示压缩高达 20 倍，同时保持模型性能。它通过智能识别和删除非必要信息，显著提高了模型推理效率、降低了成本，并增强了长文本处理能力，为 AI 应用开发带来了革命性的突破。

LLMLingua提示词压缩大语言模型长文本处理推理加速Github开源项目
大型语言模型的长文本建模技术:挑战与进展

大型语言模型的长文本建模技术:挑战与进展

本文全面介绍了大型语言模型在处理长文本时面临的挑战,以及学术界和工业界在提升模型长文本建模能力方面的最新进展和技术方案,包括高效注意力机制、长度外推、长期记忆等多个方向的研究成果。

大语言模型长文本处理信息检索Transformer优化自然语言处理Github开源项目