natural-language-processing 第 3 页
本站收录 210 个带「natural-language-processing」标签的 AI 开源项目（按 GitHub 星标从高到低，第 3 / 5 页）
customizable-gpt-chatbotVeldra 是一个自托管的本地优先 AI 智能体平台，用户可以用自然语言描述需求，系统自动编译出可运行的智能体，并配备工具、MCP、RAG 和团队协作能力。它★ 408
gemini-flowgemini-flow 是一个基于 Gemini CLI 构建的自主 AI 开发团队工具，源自 Claude-Flow 的移植版本。它旨在将复杂的软件开发任务拆★ 386
dataset这是一个面向摩洛哥阿拉伯语（Darija）与英语互译的平行语料数据集项目。Darija 是摩洛哥日常口语，长期缺乏高质量书面语料，主流机器翻译模型对其支持很差。★ 377
megabotsmegabots 是一个旨在让 LLM 应用开发变得极其简单的开源框架，主打“生产就绪”和“开箱即用”。它解决了开发者从零构建聊天机器人时面临的高复杂度问题，通★ 350
chatbot_nerchatbot_ner 是一个面向聊天机器人的命名实体识别（NER）工具，旨在从用户输入中提取关键实体（如人名、地点、日期等），以增强对话系统的理解能力。它基于★ 336
picollmpicollm 是一个专注于设备端（on-device）大语言模型推理的开源项目，通过 X-Bit 量化技术实现高效的模型压缩与推理。它支持 Gemma、Lla★ 318
rasa-chatbot-templatesrasa-chatbot-templates 是一个基于 RASA 框架的聊天机器人用例样板项目。它针对常见的业务场景（如客服、FAQ、预约等）提供了可直接运行★ 318
AI_ChatBot_Python这是一个基于Python的AI聊天机器人示例项目，使用TensorFlow和TFLearn库结合自然语言处理技术构建。项目通过序列到序列模型实现上下文感知的对话★ 300
Mol-InstructionsMol-Instructions 是一个面向生物分子领域的大规模指令数据集，旨在增强大型语言模型（LLM）在生物分子理解与生成任务上的能力。它解决了通用LLM在★ 295
SkillXSkillX 是一个自动构建智能体技能知识库的开源框架，解决了大语言模型驱动的智能体在复杂任务中缺乏可复用、可组合技能知识的问题。它通过分析任务描述和现有工具调★ 293
native-sparse-attention-triton这是一个基于Triton的高效原生稀疏注意力（NSA）实现。NSA是一种新型注意力机制，通过动态选择重要的键值对，大幅降低长序列场景下的计算和内存开销。该项目解★ 284
NLPBookTranslationsNLPBookTranslations 是一个专注于《Foundations of Large Language Models》和 NLPBook 的多语言翻译★ 282
awesome-llm-courses这是一个精选大语言模型（LLM）在线课程的资源列表，旨在帮助学习者系统性地掌握LLM相关知识。项目解决了LLM学习资源分散、质量参差不齐的问题，通过人工筛选和整★ 279
Awesome_MambaAwesome_Mamba 是一个关于状态空间模型（State Space Models, SSMs）在医学图像分析中应用的综合性综述项目，聚焦于计算高效时代的★ 270
markupmarkup 是一个基于网页的文档标注工具，利用 AI 技术（如 GPT-4）辅助数据标注。它主要解决机器学习项目中数据标注效率低、成本高的问题，尤其针对自然语★ 270
KnowAgentKnowAgent 是一个面向大语言模型智能体的知识增强规划框架，发表于 NAACL 2025。它针对 LLM 在复杂任务规划中常出现的规划幻觉（即生成不现实或★ 266
chatbot这是一个俄语生成式聊天机器人项目，旨在提供带用户画像和事实记忆的对话体验。它基于Python构建，综合运用机器学习、自然语言处理与理解、神经网络等技术，核心能力★ 259
google-bard-apigoogle-bard-api 是一个基于 FastAPI 的轻量级封装项目，旨在将 Google Bard（现为 Gemini）的对话能力以标准 REST A★ 248
AutoActAutoAct 是一个基于 ACL 2024 论文的自动化智能体学习框架，旨在解决大型语言模型（LLM）在问答任务中依赖人工设计智能体或昂贵标注数据的问题。它通★ 241
awesome-NLP-resources这是一个精选的自然语言处理（NLP）资源和工具集合，汇总了从基础到前沿的各类NLP项目，涵盖文本分类、命名实体识别、机器翻译、问答系统、知识图谱、语音处理等多个★ 240
awesome-ai-safety这是一个精心整理的AI安全与质量领域的论文和技术文章列表，旨在为研究人员、工程师和政策制定者提供系统性的学习资源。项目解决了AI安全领域信息分散、难以快速入门的★ 226
IEPileIEPile是一个大规模信息抽取语料库，由浙江大学等机构在ACL 2024发布。它收集并清洗了来自多个公开数据源的约2000万条信息抽取样本，覆盖实体识别、关系★ 213
delbotdelbot 是一个基于 Python 的语音对话助手，旨在通过自然语言交互帮助用户高效获取信息。它能够理解用户的语音指令，自动搜索新闻和知识库，并将结果以语音★ 211
mongolian-nlpmongolian-nlp 是一个面向蒙古语自然语言处理的开源资源集合，旨在解决蒙古语 NLP 资源匮乏的问题。项目收集并整理了蒙古语相关的语料库、预训练模型、★ 209
gpt-jgpt-j 是一个基于 Python3 的 GPT-J API 封装工具，旨在让开发者通过简单的接口调用 GPT-J 模型，实现文本生成、博客撰写、代码补全等功★ 205
neuroNeuro.js 是一个基于 JavaScript 的轻量级机器学习库，专为构建 AI 助手和聊天机器人而设计。它解决了在 Node.js 环境中快速集成自然语★ 205
small-dogesmall-doge 是一个早期开源的轻量级语言模型家族项目，旨在提供高效、易部署的小规模语言模型。它解决了大模型资源消耗高、部署门槛高的问题，通过精简架构和优★ 201
scratchpadscratchpad是一个开源框架，旨在作为用户与机器之间的校准工具，强调用户上下文和用户意图。它通过逻辑解构用户的想法，从A到B再到Z，帮助用户将模糊的概念逐★ 198
OneKEOneKE 是一个基于大语言模型的知识抽取系统，以 Docker 容器化方式部署，通过模式（Schema）引导的智能体（Agent）机制，从非结构化文本中自动抽★ 196
LLM-DropLLM-Drop 是论文《Uncovering the Redundancy in Transformers via a Unified Study of La★ 193
LLM-Minutes-of-MeetingLLM-Minutes-of-Meeting 是一个基于 Python 的开源工具，旨在把会议录音或视频文件自动转成文字记录，并借助大语言模型生成简洁的会议纪要★ 174
gitagptGita GPT 是一个基于 RAG（检索增强生成）的个人生产力助手平台，核心功能是让用户通过对话方式，借助《薄伽梵歌》的智慧回答各类问题。项目使用 TypeS★ 173
KnowledgeCircuitsKnowledgeCircuits 是一个来自 NeurIPS 2024 的研究项目，专注于解析预训练 Transformer 模型（如大语言模型）内部的知识存★ 173
FlexPrefillFlexPrefill 是一个针对大语言模型长序列推理的稀疏注意力机制实现，源自 ICLR 2025 Oral 论文。它解决的是长上下文场景下标准注意力计算开销★ 172
fake-news这是一个从零构建假新闻检测器的开源项目，覆盖从想法到模型部署的完整流程。项目以Jupyter Notebook为主要载体，逐步演示如何收集数据、清洗文本、特征工★ 171
ETOETO 是一个面向 LLM Agent 的轨迹优化框架，基于试错探索机制，通过让智能体在环境中主动尝试、犯错并修正，逐步优化其决策轨迹。它解决了当前 LLM A★ 170
NLP-pretrained-model这是一个自然语言处理预训练模型的集合仓库，收录了基于Keras、MXNet等深度学习框架的多种预训练模型，涵盖词向量、句向量、文本分类等常见NLP任务。项目旨在★ 169
WKMWKM（World Knowledge Model）是一个面向智能体规划的开源模型，源自NeurIPS 2024论文。它解决的是大语言模型在复杂任务规划中缺乏世★ 168
awesome-llm-os这是一个精选资源列表，汇集了与大语言模型操作系统（LLM-OS）相关的工具、研究论文和项目。LLM-OS 是一个前沿概念，旨在将大语言模型作为核心，整合记忆、工★ 166
awesome-ai-services这是一个汇总AI即服务（AI-as-a-Service）领域资源与工具的精选列表项目。它系统梳理了当前市场上各类AI服务，覆盖计算机视觉、人脸识别、实体识别、关★ 162
BEAMBEAM 是一个针对大语言模型长期记忆能力的基准测试与增强框架，由 ICLR 2026 论文提出。它解决了现有模型在处理超过百万 token 的上下文时，长期记★ 160
WorfBenchWorfBench 是一个用于评测和生成智能体工作流（Agentic Workflow）的基准测试框架，由 ICLR 2025 论文提出。它解决的核心问题是：当★ 159
odin-slidesodin-slides 是一个基于 Python 的办公效率工具，利用 GPT 等大语言模型，将冗长的 Word 文档自动转换为结构清晰的 PowerPoint★ 154
zero-to-aizero-to-ai 是一个面向零基础学习者的免费 AI/ML 课程仓库，以 950 多个 Jupyter Notebook 为载体，覆盖从 Python 基础★ 154
OceanGymOceanGym 是一个面向水下具身智能体的基准测试环境，旨在解决水下机器人（如AUV、ROV）在复杂海洋环境中进行导航、操控和决策时缺乏标准化评估平台的问题。★ 150
OneGenOneGen 是一个针对大型语言模型（LLM）的高效统一生成与检索框架，发表于 EMNLP 2024。它解决了传统 RAG（检索增强生成）中生成与检索分离、需要★ 149
DataMindDataMind 是一个基于大语言模型的开源数据分析智能体框架，目标是为用户提供从自然语言到数据洞察的端到端解决方案。它解决的是传统数据分析门槛高、流程繁琐的问★ 149
DecoDeco 是一个针对多模态大语言模型（MLLM）的幻觉缓解工具，核心方法为动态校正解码（Dynamic Correction Decoding）。它解决了 ML★ 148
Not-AiNot-Ai 是一个用 Python 编写的写作辅助工具，核心目标不是单纯绕过 AI 检测，而是把「写得好」放在第一位，帮助用户产出清晰、诚实、符合人类写作标准★ 143
spokestack-pythonSpokestack-python 是一个为 Python 应用提供语音界面能力的开源库，尤其专注于嵌入式系统。它解决了在资源受限的设备上集成语音交互的难题，提★ 142