产品库

新模型，多种型号，AI驱动合成数据训练

WizardLM-2是WizardLM推出的新一代大型语言模型，包含三种型号：8x22B、70B和7B。该产品采用AI驱动的合成数据训练系统，通过数据分析、加权抽样、渐进式学习和AI互校AI等方法，优化模型性能。它能够自动生成高品质的指令和响应，提供多样化的对话能力，适用于多种编程和开发场景。

基于语言模型架构的预训练时间序列预测模型

Chronos是一系列基于语言模型架构的预训练时间序列预测模型。时间序列通过缩放和量化转换为一系列标记，然后使用交叉熵损失训练语言模型。训练完成后，通过给定历史上下文采样多个未来轨迹，获得概率性预测。Chronos模型已经在大量公开可用的时间序列数据和使用高斯过程生成的合成数据上进行了训练。

生成合成数据，训练和对齐模型的工具

DataDreamer是一个强大的开源Python库，用于提示、生成合成数据和训练工作流。它旨在简单易用，极其高效，且具有研究级质量。DataDreamer支持创建提示工作流、生成合成数据集、对齐模型、微调模型、指令调优模型和模型蒸馏。它具有简单、研究级、高效、可复现的特点，并简化了数据集和模型的共享。

给视觉语言模型赋予空间推理能力

SpatialVLM是一个由谷歌DeepMind开发的视觉语言模型,能够对空间关系进行理解和推理。它通过大规模合成数据的训练,获得了像人类一样直观地进行定量空间推理的能力。这不仅提高了其在空间VQA任务上的表现,还为链式空间推理和机器人控制等下游任务打开了新的可能。

语义增强数据成就是AI定制解决方案

Semiring是一个端到端的平台,能够通过少量样本数据生成高质量合成数据集,从而使开发者可以轻松创建高性能的机器学习模型。它提供了完整的ML模型构建流程,包括数据合成、模型训练、评估和部署。关键功能及优势包括:基于先进自然语言模型的高效数据合成;支持自定义域特定数据;无缝自动标注;多样化的预训练模型库;自动模型调优;一体化的云端训练服务;简易的API集成和高速推理等。相比于直接提示大型语言模型和自建方案,Semiring以其卓越的速度、成本效益和质量优势脱颖而出。

用Gretel的API精细调整定制AI模型，并生成与真实数据一样甚至更好的合成数据。随需应变。免费试用。

Gretel.ai是一款为开发者打造的合成数据平台。通过使用Gretel的API，您可以生成匿名和安全的合成数据，以便在保护隐私的同时更快地进行创新。通过训练生成式AI模型，验证模型和用例的质量和隐私分数，以及按需生成所需数量的数据，Gretel.ai使生成合成数据变得简单易用。Gretel的Python库使您可以在几行代码内生成合成数据。您还可以使用Gretel控制台无需编写代码即可开始生成合成数据。

定制化大型语言模型的训练平台

Entry Point AI是一款训练大型语言模型的平台，可以快速高效地进行训练、管理和评估自定义模型，无需编写代码。它提供了跨平台的训练工具，可以比较模型性能、标注数据集、生成合成数据，并以速度和质量优于基于对话的模型。

FieldDay是一个自定义视觉AI应用开发工具

FieldDay是一个自动收集图像、训练自定义视觉AI模型、并将模型嵌入任意APP的工具。用户可以利用手机摄像头收集自定义数据集,通过几次迭代完善算法,在几分钟内创建定制的视觉AI应用。FieldDay提供对象识别、数据集管理等功能。FieldDay使任何人都能创造定制的视觉AI应用。

Phi-3 Mini-128K-Instruct ONNX优化模型促进推理加速

Phi-3 Mini是一个轻量级的顶尖开源模型,建立在Phi-2使用的合成数据和过滤网站之上,专注于高质量的推理密集型数据。这个模型属于Phi-3系列,mini版本有两个变体支持4K和128K上下文长度。该模型经过了严格的增强过程,包括监督式微调和直接偏好优化,以确保精准遵循指令和强大的安全措施。这些经过ONNX优化的Phi-3 Mini模型可在CPU、GPU和移动设备上高效运行。微软还推出了ONNX Runtime Generate() API,简化了Phi-3的使用。

以自我为中心的合成数据生成器

EgoGen是一个用于生成以自我为中心的合成数据的系统，它能够模拟头戴设备（HMDs）的相机装置，并从相机佩戴者的视角渲染多种传感器数据。该系统提供了丰富的多模态数据和准确的注释，适用于自我感知任务。

构建GPT-4级别的对话问答模型

ChatQA是一系列对话问答（QA）模型，可以达到GPT-4级别的准确性。我们提出了一种两阶段指导调优方法，可以显著提高大型语言模型（LLMs）的零射击对话QA结果。为了处理对话式QA中的检索，我们在多轮QA数据集上对密集检索器进行微调，这提供了与使用最先进的查询重写模型相当的结果，同时大大降低了部署成本。值得注意的是，我们的ChatQA-70B在10个对话QA数据集的平均得分上可以胜过GPT-4（54.14 vs. 53.90），而不依赖于OpenAI GPT模型的任何合成数据。

图片马赛克去除神器

CodeFormer是一个基于 Transformer 的预测网络，用于图片马赛克恢复。通过学习离散码本和解码器，它能够减少恢复映射的不确定性，生成高质量人脸。它具有优秀的抗退化鲁棒性，适用于合成数据集和真实数据集。

生成合成数据，管理数据，提高数据质量，构建最佳AI项目数据集。

YData是一个数据中心AI平台，提供生成合成数据、管理数据、提高数据质量和构建最佳AI项目数据集的功能。通过YData，您可以生成高质量的合成数据集，对数据进行管理和改进，构建出适用于您的AI项目的最佳数据集。YData还提供数据目录、数据配置和数据测量等功能。YData的定价信息，请联系官方获取。YData定位为数据科学领域的数据质量工具。

数据生成工具，用于测试和验证数字产品

Yadget是一个数据生成工具，帮助创作者生成大量合成数据，用于测试和验证数字产品。它对于机器学习和人工智能项目也非常有用。Yadget提供了丰富的数据类型和功能，包括随机数据生成、数据模板定义、数据批量生成等。用户可以根据自己的需求定制生成数据，并通过API接口或导出功能获取生成的数据。Yadget的定价灵活合理，适用于个人开发者和企业用户。

高质量逼真AI头像

RAVATAR是一款利用先进的生成AI技术生产高质量逼真头像的产品。通过使用合成数据，我们可以根据现有的音频和视频样本参考重现任何人的虚拟形象。RAVATAR的头像具有多样性和适用性，可以广泛应用于各种场景。定价请咨询官方网站，定位于数字人类市场。

数据合成平台

MOSTLY AI是一家合成数据公司，提供先进的合成数据平台。该平台可生成、合成和创建数据，使数据处理更加灵活和智能。通过使用MOSTLY AI的合成数据，您可以克服真实数据的限制，加速AI、分析和产品开发的进程。平台提供隐私和安全保护，支持各种行业的应用场景。

通过了解大脑运作制定改变计划的APP

Neurture是一个旨在帮助用户了解大脑如何运作，并通过基于研究的治疗方法来制定有效的改变计划的应用程序。它通过数字化手写日记条目、获取后续期刊提示建议、由人工智能支持的情景冥想和期刊推荐等功能，帮助用户打破习惯或解决成瘾行为，实现重要的其他目标。Neurture强调隐私和信任，不收集用户数据，不投放广告，不训练模型，旨在为用户提供一个安全、无负担的自我提升环境。

由哔哩哔哩用户评论微调训练而成的本地聊天机器人

bilibot是一个基于哔哩哔哩用户评论训练的本地聊天机器人，支持文字聊天和语音对话。它使用Qwen1.5-32B-Chat作为基础模型，并结合苹果的mlx-lm LORA项目进行微调。语音生成部分基于GPT-SoVITS项目，使用派蒙语音模型。该机器人可以快速生成对话内容，适用于需要智能对话系统的场合。

MuLan：为110多种语言适配多语言扩散模型

MuLan是一个开源的多语言扩散模型，旨在为超过110种语言提供无需额外训练即可使用的扩散模型支持。该模型通过适配技术，使得原本需要大量训练数据和计算资源的扩散模型能够快速适应新的语言环境，极大地扩展了扩散模型的应用范围和语言多样性。MuLan的主要优点包括对多种语言的支持、优化的内存使用、以及通过技术报告和代码模型的发布，为研究人员和开发者提供了丰富的资源。

小米开发的大规模预训练语言模型，参数规模64亿。

MiLM-6B是由小米公司开发的大规模预训练语言模型，参数规模达到64亿，它在中文基础模型评测数据集C-Eval和CMMLU上均取得同尺寸最好的效果。该模型代表了自然语言处理领域的最新进展，具有强大的语言理解和生成能力，可以广泛应用于文本生成、机器翻译、问答系统等多种场景。

Google的尖端开放视觉语言模型

PaliGemma是Google发布的一款先进的视觉语言模型，它结合了图像编码器SigLIP和文本解码器Gemma-2B，能够理解图像和文本，并通过联合训练实现图像和文本的交互理解。该模型专为特定的下游任务设计，如图像描述、视觉问答、分割等，是研究和开发领域的重要工具。

一款具有128k有效上下文长度的70B参数的大型语言模型。

Llama-3-Giraffe-70B-Instruct是Abacus.AI推出的一款大型语言模型，它通过PoSE和动态NTK插值的训练方法，具有更长的有效上下文长度，能够处理大量的文本数据。该模型在训练中使用了约1.5B个token，并且通过适配器转换技术，将Llama-3-70B-Base模型的适配器应用到Llama-3-Giraffe-70B-Instruct上，以提高模型的性能。

一个完全开源的大型语言模型，提供先进的自然语言处理能力。

MAP-NEO是一个完全开源的大型语言模型，它包括预训练数据、数据处理管道（Matrix）、预训练脚本和对齐代码。该模型从零开始训练，使用了4.5T的英文和中文token，展现出与LLaMA2 7B相当的性能。MAP-NEO在推理、数学和编码等具有挑战性的任务中表现出色，超越了同等规模的模型。为了研究目的，我们致力于实现LLM训练过程的完全透明度，因此我们全面发布了MAP-NEO，包括最终和中间检查点、自训练的分词器、预训练语料库以及高效稳定的优化预训练代码库。

通过Mazaal体验AI的变革性力量。我们的无代码平台为您的业务提供了一种简单、经济的利用AI的方式。

Mazaal是一个无代码AI平台，可以将您的数据转化为强大的AI模型，无需编写任何代码。它提供了多种预训练模型，可以用于优化生产、管理库存、预测需求等。Mazaal可以自动化工作流程，提高效率，并帮助您解决业务中的各种问题。

提升大型语言模型解决数学问题的能力

ChatGLM-Math 是一个基于自我批评流程定制的数学问题解决模型，旨在提高大型语言模型（LLMs）在数学问题解决方面的能力。该模型通过训练一个通用的Math-Critique模型来提供反馈信号，并采用拒绝采样微调和直接偏好优化来增强LLM的数学问题解决能力。它在学术数据集和新创建的挑战性数据集MathUserEval上进行了实验，显示出在保持语言能力的同时，显著提升了数学问题解决能力。

开源基础模型，用于代码智能任务，支持116种编程语言。

Granite Code Models 是 IBM 开发的一系列开源基础模型，专为代码生成任务设计，如修复错误、解释代码、文档化代码等。这些模型在多种编程语言上进行了训练，并在不同的代码相关任务上达到了最先进的性能。主要优点包括全面的性能、企业级的信任度以及遵循 IBM 的 AI 伦理原则进行训练。

技术设计的首个副驾驶，通过AI加速设计文档和图表的创建与迭代。

Eraser AI 是一款专为技术设计打造的AI工具，它能够帮助用户快速创建和迭代设计文档和图表。它通过自然语言提示生成图表代码，支持云架构图、数据库图等的快速创建。Eraser AI 提供完全可编辑的输出，支持多人实时协作，并且与开发者常用的工具如GitHub和VS Code有良好的集成。此外，它还提供了一个免费的沙盒环境DiagramGPT，允许用户无需账号即可生成图表。Eraser AI 强调数据隐私，不会使用用户数据进行模型训练，适合现代开发者使用。

为真实世界机器人提供最先进的机器学习模型、数据集和工具。

LeRobot 是一个旨在降低进入机器人领域的门槛，让每个人都能贡献并从共享数据集和预训练模型中受益的开源项目。它包含了在真实世界中经过验证的最先进的方法，特别关注模仿学习和强化学习。LeRobot 提供了一组预训练模型、带有人类收集演示的数据集和模拟环境，以便用户无需组装机器人即可开始。未来几周内，计划增加对最实惠和最有能力的真实世界机器人的支持。

一款高效经济的语言模型，具有强大的专家混合特性。

DeepSeek-V2是一个由236B参数构成的混合专家（MoE）语言模型，它在保持经济训练和高效推理的同时，激活每个token的21B参数。与前代DeepSeek 67B相比，DeepSeek-V2在性能上更强，同时节省了42.5%的训练成本，减少了93.3%的KV缓存，并提升了最大生成吞吐量至5.76倍。该模型在8.1万亿token的高质量语料库上进行了预训练，并通过监督式微调（SFT）和强化学习（RL）进一步优化，使其在标准基准测试和开放式生成评估中表现出色。

无需编码，自动训练、评估和部署先进的机器学习模型。

AutoTrain是Hugging Face生态系统中的一个自动化机器学习(AutoML)工具，它允许用户通过上传数据来训练定制的机器学习模型，而无需编写代码。该工具自动寻找最适合数据的模型，并快速部署。它支持多种机器学习任务，包括文本分类、图像分类、问答、翻译等，并且支持所有Hugging Face Hub上的语言。用户的数据在服务器上保持私密，并通过加密保护数据传输。根据用户选择的硬件，按分钟计费。