近日，一份论文发布了有关优酷视频数据集Youku-mPLUG的介绍，这是目前公开的最大中文视频-文本数据集。该数据集由来自视频共享平台Youku的一千万个精选视频-文本对组成。在研究人员的努力下，借助这个数据集和创新的...

## 新闻概要： - RedPajama数据集与部分训练模型已于几周前发布。 - 7B模型在3000台V100上刚刚完成训练。 - 经过调整的版本是其规模中最有效的开放模型之一。 - 团队有很多关于持续模型开发的计划。 ## 新闻内容：...

Gorilla模型是基于大型语言模型（LLMs）的一种精细模型，显著优于现有模型如GPT-4在编写API调用方面的表现。它帮助语言模型更有效地使用工具。结合文档检索器，Gorilla可以很好地适应更新的文档，最小化不准确的生成...

近日，一项新的研究显示，AI语言模型可以模拟人类个体的行为特征，实现人格化。这意味着，只需通过一些精心构建的方法，就能够为AI语言模型赋予人类的个性。研究者采用GPT-4语言模型来构建Samantha，将其作为另一个...

研究人员基于超过 350 个 STEM（科学、技术、工程和数学）定理，开发了包含 800 个问题-答案对的数据集，用于测试人工智能语言模型。该数据集为衡量人工智能使用这些定理解决复杂的大学级问题的能力提供了新的基准。...

在本指南中，我们将介绍如何使用Lit-Parrot对自定义数据集进行LLMs的微调。Lit-Parrot是一个基于nanoGPT的实现GPT-NeoX模型的工具，支持StableLM、Pythia和RedPajama-INCITE模型权重。 下面是三个重点： - Lit-Par...

TWIST是一种新的训练语音语言模型（SpeechLMs）的方法，它使用预先训练的文本模型来进行热启动。该方法优于从头开始训练，经验分析强调了模型和数据集规模的重要性。这项研究介绍了迄今为止最大的SpeechLM，并引入了...

SEAHORSE是一个数据集，用于评估多语言摘要系统的质量。该数据集包含96,000个摘要，这些摘要已经根据六个重要方面（清晰度、重复、语法、归因、主要观点和简洁性）由人类进行了评分。这个数据集不仅可以作为自动化...