Custom.MT是一个为本地化团队、语言服务提供商、产品经理和翻译人员设计的生成式AI和机器翻译平台。它提供了包括模型微调、机器翻译评估、内部机器翻译、语言数据匿名化、术语合规、翻译记忆清理、数据获取和开源机器翻译研讨会等多种服务。此外，Custom.MT还为流行工具如Trados、Smartling和memoQ提供AI翻译平台，以及API文档、博客、案例研究、事件和网络研讨会等资源。

Transformers和相关的深度网络架构在此进行了总结和实现，涵盖了自然语言处理和计算机视觉等多个领域。

SentenceX是一个支持多种语言的句子分割库，针对速度和实用性进行了优化，适用于文本到语音和机器翻译等多种应用场景。

中文Mixtral-8x7B，基于Mistral发布的模型Mixtral-8x7B进行了中文扩词表增量预训练，旨在提升中文文本生成和理解能力，支持多种自然语言处理任务。

我们维护的NLP开源工具包，致力于自然语言处理的研究与应用，提供多种功能以支持学术研究和实际应用。

出门问问提供的超大规模语言模型，基于其通用的表示与推理能力，支持多轮交互，能够大幅度提高生产效率和数据处理能力，被广泛应用于问答系统、自然语言处理、机器翻译、文本摘要等领域

fairseq是一个用于序列建模的开源工具包，支持多种自然语言处理和语音处理任务。

中科闻歌研发的新一代开源大语言模型，采用了超过 2 万亿 Tokens 的高质量、多语言语料进行预训练。

tf-transformers是基于Tensorflow 2.0实现的最先进的自然语言处理架构，旨在提供更快的自动递归译码，支持多种前沿的NLP模型，如BERT、RoBERTA、T5、Albert和mt5等。其设计简化了API，便于用户使用和扩展，适合各种NLP任务。

Frame Semantic Transformer是一个基于T5模型的框架语义解析器，利用FrameNet进行深度语义分析，支持多种自然语言处理任务，具备灵活的模型训练和微调能力，能够高效地进行推理。

TigerBot 是一个基于 BLOOM 的多语言多任务大规模语言模型（LLM），在模型架构和算法上进行了多项优化，旨在提供高效的自然语言处理能力，支持多种语言和任务，具有强大的可扩展性。

由百川智能开发的一个开源可商用的大规模预训练语言模型，支持中英双语，基于Transformer结构，训练于约1.2万亿tokens，具有70亿参数，提供4096的上下文窗口长度，在标准的中文和英文权威benchmark（C-EVAL/MMLU）上均取得同尺寸最好的效果。

该论文介绍了一种新颖且简单的方法，仅使用合成数据和不到1,000个训练步骤即可获得高质量文本嵌入。它利用专有的LLM生成了多样的合成数据，用于处理几乎100种语言中的数十万个文本嵌入任务。

基于MindSpore的易于使用和高性能的自然语言处理(NLP)和语言模型(LLM)框架，与Huggingface的模型和数据集兼容，支持多种NLP任务。

该项目集成了基于 transformers 库实现的多种自然语言处理任务，支持用户使用各种预训练模型，进行文本分类、生成、命名实体识别、机器翻译等操作，并且允许用户自定义数据集，易于使用和扩展。

OpenICL是一个开源的框架，旨在支持上下文学习，提供多种算法和灵活的接口，便于集成到现有的自然语言处理模型中。

机器翻译是一个利用AI分析、比较和推荐最佳机器翻译的产品，支持多种语言对，旨在提高翻译效率和准确性。

H2O.ai的开源大语言模型GPT项目，旨在创建世界上最好的开源GPT模型，提供强大的自然语言处理能力，支持多种任务，适用于大规模应用。