最近开通了​AIGC VIP社群，进来看看？

关于NLP那些你不知道的事-VIP社群是高质量圈子，无广告营销及杂乱等无用内容！只有一个人走得更快，一群人才能走得更远，加入VIP社区，不断提高学习水平。

首先，因为VIP社区（知识星球）付费。所以我们必须对得起付费用户。努力编写有价值的文章，这些文章比公众号上的免费材料和文件更全面、质量更高。

AIGC的发展每日一个样，如果不主动学习起来，不用等到35岁，估计掉队只是分分钟的事情，像ChatGPT、Stable diffusion等新技术是否了解，AIGC 新理念是否有接触。

目前AIGC技术高速迭代，基本每天一个 LLMs 或者新idea，因此需要我们时刻保持主动学习，带有学习新技术新理念的心态，我们星球也在持续加码 AIGC 新理念新技术分享，像ChatGPT、Stable diffusion 等新理念/新技术 会找一些优秀的学习资料分享在星球！让星球的小伙伴努力跟上 AIGC 发展的脚步，不被时代所抛弃！

知识星球导航栏截图（为方便读者学习，我们会将所有干货放到同一个文章内）：

如何加入知识星球（VIP社群）

我们也拿出了足够大的诚意，推出了50张大额折扣券。现在加入这个星球就是一次加入 AIGC 高速赛道的入场券。

扫描下方二维码，领取优惠券，然后微信支付即可。

支付完毕后关注知识星球公众号，然后下载知识星球APP，用微信登录APP后，就可以访问我的知识星球。

另外说明加入星球后支持三天无理由退款，不满意无条件随时退。

如果你还不了解我们星球提供哪些内容，可以继续向下看，对星球提供的服务做一个详细介绍。

星球提供的内容详细介绍

一、 提供最全的 AIGC 知识库，不用下载，不限设备，随时随地打开看的在线文档。

目录截图，还在持续增加更多模块：

二、提供简历模板，简历修改指导服务，星球成员免费提供简历修改指导。

三、解答星球成员的各位疑惑，问题，并且会倾听成员意见及想学的内容，我们都会尽量满足。

四、同时也有微信的VIP群，加入星球即可加入微信专属群。

加入星球，一起进步！

扫描下方二维码，领取优惠券，然后微信支付即可。

支付完毕后关注知识星球公众号，然后下载知识星球APP，用微信登录APP后，就可以访问我的知识星球。

加入星球后支持三天无理由退款的，不满意可随时退。

所有文章

•  超1900星标！自然语言处理论文学习笔记

•  超500星标！自然语言处理 面经

•  超500星标！推荐系统 面经

• 推广搜 军火库【持续更新】

NLP百面百搭

• 【算法基础篇】

• 【关于 过拟合和欠拟合】那些你不知道的事

• 【关于 BatchNorm vs LayerNorm】那些你不知道的事

• 【关于 激活函数】那些你不知道的事

• 【关于 正则化】那些你不知道的事

• 【关于 优化算法】那些你不知道的事

• 【关于 归一化】那些你不知道的事

• 【关于 判别式（discriminative）模型 vs. 生成式(generative)模型】 那些你不知道的事
  

• 【机器学习篇】

• 【关于 逻辑回归】那些你不知道的事

• 【关于 支持向量机】 那些你不知道的事

• 【关于 集成学习】那些你不知道的事
  

• 【深度学习篇】
  

• 【关于 CNN】那些你不知道的事(上)

• 【关于 CNN】那些你不知道的事(下)

• 【关于 Attention 】那些你不知道的事

• 【关于Transformer】 那些的你不知道的事（上）

• 【关于Transformer】 那些的你不知道的事（中）

• 【关于Transformer】 那些的你不知道的事 (下)

• 【预训练模型篇】

• 【关于 TF-idf】 那些你不知道的事

• 【关于 Word2vec】 那些你不知道的事

• 【关于 fastText】 那些你不知道的事

• 【关于Bert】 那些的你不知道的事(上)

• 【关于Bert】 那些的你不知道的事(下)

• 【关于 Bert 源码解析I 之 主体篇 】 那些的你不知道的事

• 【关于 Bert 源码解析II 之 预训练篇 】 那些的你不知道的事

• 【关于 Bert 源码解析III 之 微调 篇 】 那些的你不知道的事

• 【关于 Bert 源码解析IV 之 句向量生成篇 】 那些的你不知道的事

• 【Bert 越大越精篇】
  

• 【关于 Bert 越大越精序列】那些的你不知道的事（一）

• 【关于 Bert 越大越精序列】那些的你不知道的事（二）

• 【关于 Bert 越大越精序列】那些的你不知道的事（三）

• 【Bert 短小精悍篇】

• 【关于 Bert 压缩】 那些你不知道的事

• 【关于 BERT to TextCNN】那些你不知道的事

• 【关于 FastBERT 实现】那些你不知道的事

• 【关于自训练 + 预训练 = 更好的自然语言理解模型 】 那些的你不知道的事
  

• 【文本分类篇】

• 【关于 文本分类】那些你不知道的事

• 【关于 文本分类 trick】那些你不知道的事
  

• 【关键词提取】

• 【关于 关键词提取】 那些你不知道的事

• 【关于 KeyBERT 】 那些你不知道的事
  

• 【命名实体识别】

• 【关于 HMM】 那些你不知道的事

• 【关于 MEMM】 那些你不知道的事

• 【关于 CRF】 那些你不知道的事

• 【关于 DNN-CRF】 那些你不知道的事

• 【关于 中文领域 NER】 那些你不知道的事

• 【关于 NER trick】 那些你不知道的事

• 【问答系统】

• 【关于 FAQ 检索式问答系统】 那些你不知道的事

• 【关于 KBQA】 那些你不知道的事

• 【关于 对话系统】那些你不知道的事

• 知识图谱-基于ES(ElasticSearch)和gAnswer构建智能问答系统

• 一文总结任务型对话预训练模型（论文+代码）

• 文献+代码—AAAI'20 对话系统新意图发现
  

• 【多标签文本分类 篇】

• Multi-Class is Multi-Label ？？？
  

• 【知识图谱 篇】

• 知识图谱入门系列

• 【关于 知识图谱】 那些你不知道的事
  

• 【trick 篇】

• NLP常见trick汇总及代码实现

• 【关于BERT如何处理篇章级长文本】那些你不知道的事

• 当Bert遇到未登录词？也许你应该这样做！
  

• 【实体链指】

• 知识图谱-实体抽取与实体链接

• 【Prompt】

• Prompt之文本生成

• 一文轻松入门Prompt(附代码)

• 
  

• 【ChatGPT】

• 【RLHF】想训练ChatGPT？先来看看强化学习(RL)+语言模型(LM)吧（附源码）

• 【RLHF】想训练ChatGPT？得先弄明白Reward Model怎么训（附源码）

• GPT / GPT-2 / GPT-3 / InstructGPT 进化之路

• 清华大学开源中文版ChatGLM-6B模型学习与实战

• chatGLM怎么应用于的下游任务？也许你该看看这个（附源码）

• 大规模神经对话系统研究前沿趋势分析

• 训练属于自己的ChatGPT（1）--在GPT2上进行chatbot微调实战
  

• 训练属于自己的ChatGPT（2）——使用TRL强化学习PPO控制文本的生成

• 基于开源模型的多模态实践（开源版文心一言）

• ChatGPT背后的技术-基于人类反馈的强化学习(RLHF) 理论篇

• LoRA：卷完图像生成领域，卷文本生成领域的东西，到时是个啥？

• Auto-GPT，一个基于GPT-4 的实验性项目

• ChatGPT的强化学习部分介绍——PPO算法实战LunarLander-v2

• chatgpt怎么牛逼，但是又没开源。那有没有可能对他的知识进行窃取?

• 关于大模型实践的一些总结

• ChatGLM-6B怎么火，你却还不懂 GLM？
  

• 【事件抽取】

• 事件抽取实战
  

• 【文本生成 篇】

• 生成模型的解码方法
  

• 【对比学习 篇】

• 一文轻松入门对比学习(附代码详解)
  

• 【训练语料 篇】

• NLP 语料合集
  

• 【PEFT】

• 让天下没有难Tuning的大模型-PEFT技术简介

• ChatGPT等大模型高效调参大法——PEFT库的算法简介

• 让Chatgpt回答强大十倍——prompt技巧宝典

• LoRA：卷完图像生成领域，卷文本生成领域的东西，到时是个啥？

• 一文搞定分布式训练：dataparallel、distirbuted、deepspeed等

• LLMs 大语言模型如何在NLP基础任务的落地？也许你应该看看这个

• 
  

• 【其他】
  

• 
  

NLP论文学习篇

• 【文本摘要】

• 自然语言处理任务系列——文本摘要

• 【指代消歧】

• 自然语言处理任务系列——指代消解(共指消解

• 【文本纠错】

• 自然语言处理任务系列——文本纠错

• 【抽取篇】

• 【信息抽取】UIE——基于prompt的信息抽取模型（附源码）

• 
  

• 【其他】

多模态学习篇

• 【text2img】

• Ai绘图入门介绍和使用教程

• 可编辑图像生成的学习笔记
  

• Midjourney 入门篇——新手快速起步指南

• Midjourney 入门篇(二)——Midjourney Discord的使用手册

• Midjourney 入门篇(三)——Midjourney 如何写Prompt文本

• Midjourney 入门篇(四)——Midjourney Prompt进阶探索
  

• 【OCR】

• 【关于 OCR 光学字符识别】 那些你不知道的事

推荐系统 百面百搭

• 【关于 推荐系统 导论篇】 那些你不知道的事

• 【关于 推荐系统百面百搭 导论篇】 那些你不知道的事
  

• 推荐系统机器学习篇

• 【关于 协同过滤篇】 那些你不知道的事

• 【关于 矩阵分解篇】 那些你不知道的事

• 
  

• 推荐系统机器入门篇

• 推荐系统入门（一）：基于物品的协同过滤算法

• 推荐系统入门（二）：基于用户的协同过滤算法

• 推荐系统入门（三）：基于矩阵分解的推荐算法

• 推荐系统（四）：基于稀疏自编码的推荐方法

• 推荐系统（五）：word2vec在推荐系统的应用

• 推荐系统（六）：基于深度学习的推荐模型

• 推荐系统（七）：基于DeepFM的推荐算法

• 推荐系统（八）：基于PNN的推荐算法

• 推荐系统（九）：阿里电商推荐算法论文导读(上)

• 推荐系统（十）：阿里电商推荐算法论文导读(中)

• 推荐系统（十一）：阿里电商推荐算法论文导读(下)

transformers 入门实战篇

• 【transformers入门】文本分类任务实战

• 【transformers入门】序列标注任务实战
  

torch 学习篇

• Bert4torch 快速入门实战
  

Rasa 对话系统

• 《【社区说】一起来聊聊 Rasa 3.0》 不完全笔记

• （一）对话机器人概述

• （二）RASA开源引擎介绍

• （三）RASA NLU语言模型

• （四）RASA NLU分词器

• （五）RASA NLU特征生成器

• （六）RASA NLU意图分类器

• （七）RASA NLU实体提取器

• （九）RASA自定义pipeline组件

• （十）RASA CORE Policy

• （十一）RASA CORE Action

• （十二）RASA Domain

• （十三）RASA 训练数据

• （十四）RASA story

• （十五）Rasa Rules

• （十六）RASA最佳实践

• （十七）基于RASA开始中文机器人

• （十八）基于RASA开始中文机器人实现机制

• （十九）基于知识图谱的问答系统（KBQA）

• （二十）基于阅读理解的问答系统

• （二十一）RASA应用常见问题

• （二十二）RASA的超参数优化

• （二十三）机器人测试与评估

• （二十四）利用Rasa Forms创建上下文对话助手

• DIET：Dual Intent and Entity Transformer——RASA论文翻译

知识图谱入门

• 浙大图谱讲义 | 第一讲-知识图谱概论 — 第1节-语言与知识
  

• 浙大图谱讲义 | 第一讲-知识图谱概论 — 第2节-知识图谱的起源
  

• 图谱讲义 | 第一讲-第3节-知识图谱的价值

• 图谱讲义 | 第一讲-第4节-知识图谱的技术内涵

• 图谱讲义 | 第二讲-第1节-什么是知识表示

转载记录

•  Bert与TensorRT部署手册，享受丝滑的顺畅
  

•  句向量新方案CoSENT实践记录

• CHIP2021|临床术语标准化第三名方案开源
  

• CHIP2021 | 医学对话临床发现阴阳性判别任务第一名方案开源

•  破解transformer八股，快问快答

•  BERT可视化工具bertviz体验

•  PRGC：一种新的联合关系抽取模型 
  

•  给神经网络加入先验知识！

• CBLUE中文医学语言理解测评Baseline

• 超全必读！事件抽取综述（上）

• NLP 事件抽取综述（中）——  模型篇

• 超全必读！NLP 事件抽取综述（下）

• ChatGPT Prompt工程：设计、实践与思考

• 百度大规模知识图谱构建及技术应用实践

• GPT-4之高考评测

• 最新综述：速览Transformer长文本建模研究进展

• In-Context Learning玩法大全

• 
  

【学习群加入】

【如果人数满了，加微信 blqkm601（避免传销加入，对二维码做了打码，感兴趣可以加微信申请入群）】