引言在自然语言处理，NLP，的众多应用场景中，大型语言模型，LargeLanguageModel，LLM，展现了其卓越的文本理解与生成能力，不仅在传统的文本任务上成绩斐然，更在生物学、计算化学、药物研发等跨学科领域证明了其广泛的应用潜力，尽管如此，生物分子研究领域的特殊性—比如专用数据集的缺乏、数据...

  写在前面大家好，我是刘聪NLP，大模型时代，指令微调已经成了算法工程师们必不可少的技能，而在指令微调过程中，我们往往会从数据数量和数据质量两个维度来对模型进行调优，今天给大家带来一个新的方法，MoDS，一种面向模型的指令数据选择方法，MoDS，Model，oriented&gt，paper，...

  在构建大模型应用时，通常有两种方式来改进效果，一种是构建外部知识库，利用RAG来完成，但RAG并不是万能的，对于特定领域的LLM应用，以及无需示例，就能完成特定任务等场合就需要进行微调，然而，微调本身相较于RAG来讲，需要更多的算力资源和时间周期，但更大的瓶颈在于微调需要标记过的样本数据，这对于很多...

  今日分享100多个常用的论文指令，希望对大家能带来prompt的启发和帮助...确定主题和标题1.举例说明医疗保健的新趋势，这可能是研究论文中有趣的研究主题，2.分析[插入主题名称]的研究是否存在空白，并提出潜在的研究主题，3.使用定量和定性研究方法推荐研究[插入主题名称]的主题，4.分析主题[插入...

  在过去，普通人想要写书面临重重障碍，从构思、撰写到编辑，每一步都是挑战，但现在，得益于人工智能技术的飞速发展，这一过程变得前所未有地简单本文将深入探讨ChatGPT在书籍创作过程中的应用，包括情节发展、角色塑造、场景设置、对话编写、研究、校对、以及市场营销和推广，通过具体的例子和应用场景，我们将展示...

  我精心整理的50个顶级ChatGPT学术论文指令，无疑是你论文写作和研究中的宝贵财富，强烈推荐你将其收藏！这些指令的实用性非凡，能够显著提升你的研究效率，让论文写作过程不再繁重，翻译晦涩难懂的论文，遇到难以理解的论文，这些指令可以帮你轻松翻译，让复杂的研究内容变得通俗易懂，解读代码和数学公式，代码和...

  ​前言本文基于凯斯西储大学，CWRU，轴承数据和东南大学轴承数据，进行快速傅里叶变换，FFT，和变分模态分解VMD的数据预处理，最后通过Python实现基于2D，SWinTransformer，1D，CNN，SENet并行的特征融合模型对故障数据的分类，1模型泛化实验，西储大学数据集1.1设置参数，...

  写在前面大家好，我是刘聪NLP，大模型时代，数据至上，如何利用大模型合成更多高质量数据也备受关注，今天给大家分享一个有意思的大模型合成数据方法，MAGPIE，在不需要种子数据和额外人工干预的情况下，挖掘出对齐过的模型自身的指令数据，MAGPIE，Alignment&gt，paper，http...

  之前很多研究都是生成、发现、过滤高质量的通用指令微调数据，而大家对代码任务的越发关注，如何构建更好的代码指令调整数据也越发重要，下面给大家带来一篇筛选高质量代码指令微调数据的文章，主要基于指令的复杂性、回复质量和指令的多样性三个维度来进行样本的筛选，同时也指出了当前部分代码指令数据在HumanEva...

  在当今以数据驱动的世界中，从原始信息中提炼出有价值的见解对于做出明智的决策至关重要，然而，分析数据通常是一项艰巨的任务，特别是在处理大型数据集时，有2种方式可以完成，方法一，在Excel表格中操作请确保您的系统已安装Excel软件，此外，还需要通过OpenAI的API或类似平台等接口访问ChatGP...

  今天学会了一招比较实用的技巧，利用AI来帮我们整理实体及其关系，最后再基于整理完成信息制作知识图谱，不论是一些资料还是一段内容，都可以轻松实现，这里我们先简单讲下实体识别和关系抽取的概念，想象一下，你正在阅读一本侦探小说，在小说中，侦探需要识别出各种人物，实体，和他们之间的联系，关系，简单来说，实体...

  1、知识图谱与大模型的特点和互补性知识图谱的独特性，大模型的优势，知识图谱与大模型之间的相互补充，2、大模型增强知识图谱的方式知识图谱构建的挑战与机遇，知识图谱推理的强化，大模型在知识图谱增强中的应用概览，3、知识图谱增强大模型的方式提升大模型训练及其实际应用，优化大模型性能，在大型模型的预训练过程...

  ​iText2KG是一个开源项目，能够利用大型语言模型，zero，shot，跨领域从文本中提取实体和关系，自动构建和更新知识图谱，并通过Neo4j进行可视化，iText2KG由四个主要模块组成，文档提取器、增量实体提取器、增量关系提取器、图形集成器和可视化，它们协同工作，从非结构化文本构建和可视化知...

  一、引言多模态知识图谱补全，MMKGC，通过将实体的结构、视觉和文本信息纳入知识图谱的表示学习模型中，来预测多模态知识图谱中缺失的三元组，在这个过程中，来自不同模态的信息将共同用于度量一个三元组的合理性，现有的MMKGC方法往往默认MMKG上的模态信息是完整的，或者采用简单的方法完成缺失模态信息的补...

  引言随着人工智能的飞速发展，机器学习，特别是深度学习，在过去几十年中在许多领域和应用中取得了显著的成就，例如，卷积神经网络，CNN，在图像分类和视觉对象识别方面的准确性常常超过人类，推动了自动驾驶车辆、面部识别、手写识别、图像检索和遥感图像处理等应用的快速发展，同样，循环神经网络，RNN，和基于Tr...