大模型能力分析与应用研究
LsRL: 轻量级高速低显存占用的模型训练框架
API调用次数
CN-DBpedia百科实体数
CN-DBpedia百科关系数
CN-DBpedia是自主研发的大规模的百科中文知识图谱。
Probase是基于英文Probase通过补全、纠错等方法自动构建的大规模英文概念图谱。
CN-Probase 是基于CN-DBpedia以及海量中文网页语料等多个数据源，利用全自动方法构建的大型中文概念图谱，包含1700多万实体、27万概念、3300多万ISA关系。
支持中英双语的百亿参数类ChatGPT模型，具有轻量化训练、小型化部署的特点，让大模型技术平民化。
以消灭信息抽取任务为目标的中英文通用抽取模型，具有高度的拓展性和灵活性。
调用知识图谱CN-DBpedia的ChatGPT，解决生成式大模型的幻觉问题。
基于自研大模型和第三方大模型的文档问答工具，释放大模型在文档方面的价值。
包含大量描述如何与大模型进行对话的知识图谱，是汇聚一切大模型的有效咒语。
领域预训练大模型，兼容HuggingFace Transformers框架，相比通用模型有更好的效果，适用于新闻分类、摘要生成、问答等多种下游任务，含金融预训练大模型FinT5等。
从400多个维度对大模型进行全面的评估评测，为大模型的研发与应用保驾护航。
以大模型与知识图谱为智能引擎、以新型教材为应用呈现，推动教育变革。
KADE是一款领域知识图谱建模与运维工具，能够以所见即所得的方式进行友好的知识图谱建模与维护。
Curiosity是一款基于CN-DBpedia的知识图谱可视化系统，支持知识图谱的探索式交互。
Timeline是一款基于CN-DBpedia事件知识展示系统，按照时间维度展示事件知识，并支持相关事件中的实体链接与跳转。
是一款基于知识图谱与文本阅读理解的知识问答服务，能够理解多样问法、有噪音问法，支持典型推理式问答，具有较高的召回率。
是一款面向中文的通用实体链接服务。准确率在90%以上，已经在多个大型项目中验证其有效性。
概念抽取系统根据给定的实体文本描述，从中抽取该实体的所属概念。
使用先进的人工智能与知识库技术从上亿的文本中产生变化万千的问题，用于测试分辨人类和机器。
生成实体的缩略词表达。
从文本自动抽取其表达的知识。
自动把输入的句子扩写为比喻句，使其更为生动形象。
可解释百科事实抽取与检验算法。
中英文可解释类比推理挑战数据集。
关联数据和数商的专业数据地图。
