近日，一个庞大的工业文档OCR数据集正式发布，该数据集包含了2600万页的高质量PDF文档，总计约180亿个标记。这些文档涵盖了工业领域的广泛内容，包括机械设计、电气工程、自动化控制等多个方面。该数据集的发布，将...

数据分析和人工智能领域的领先企业Databricks近日宣布，已经完成了对Lilac公司的收购。Lilac是一家专注于无监督语言数据集构建系统的公司，此次收购将进一步加强Databricks在自然语言处理（NLP）领域的技术实力。Lil...

HuggingFace Hub最近发布了一个新的数据集，该数据集包含了从财报电话会议中转录的精选问答对。这个数据集对于研究人员和开发者来说是一个宝贵的资源，因为它提供了实际的业务沟通场景中的自然语言处理样本。这些问...

Vision-RWKV将NLP中的RWKV架构应用于视觉任务，为高分辨率图像处理提供了一个高效的解决方案。RWKV是一种基于注意力机制的架构，它在处理序列数据时表现出色，而Vision-RWKV则将其成功地应用于图像领域。该模型的表...

本文讨论如何为大型语言模型构建结构化文档，以及在整个过程中需要考虑的最佳实践。首先，为LLM编写文档时应当注意文档的结构及可读性。其次，可以通过提供示例代码、使用清晰的术语和概念以及清晰的语言来使文档更...

自然语言处理（NLP）中，让语言模型生成自己的训练数据是一个具有挑战性但前景广阔的研究领域。SPIN是一种方法，已经显示出很大的前途。该代码已经发布，但据报道使用起来很有挑战性。

Portkey AI最近开源了LLM Gateway，实现了多个不同语言模型之间的路由。这个开源项目旨在简化在不同的语言模型之间进行选择和路由的过程，从而更好地利用不同模型的优势，提高语言模型的整体性能。 LLM Gateway是一...

使用llama.cpp和GGUF服务器，您可以非常快速地部署一个服务于HuggingFace托管模型的端点。这意味着您可以在几分钟内将HuggingFace的最新自然语言处理模型部署到生产环境中。