Llama 2 est une librairie de modèles de langage de pointe offrant une grande variété de capacités, allant de la compréhension du langage naturel à la génération de texte. Elle est conçue pour être accessible aux individus, aux créateurs, aux chercheurs et aux entreprises de toutes tailles, leur permettant d'expérimenter, d'innover et de mettre à l'échelle leurs idées de manière responsable.

Le projet voc-model est une bibliothèque de modèles de langage basée sur des algorithmes d'apprentissage automatique. Il permet de générer du texte automatiquement et d'améliorer la compréhension du langage naturel dans les applications. Il facilite également le développement de chatbots et d'assistants virtuels en fournissant des modèles de conversation prêts à l'emploi.

Le projet mmnlg2023 est une plateforme de traitement automatique du langage naturel (TALN) permettant la génération de textes à partir de descriptions, la création de résumés de documents et la traduction automatique de textes. Il est basé sur des algorithmes de pointe en intelligence artificielle et permet aux utilisateurs de bénéficier de fonctionnalités avancées de traitement du langage.

Dépôt contenant des outils en traitement naturel du langage (NLP) permettant de construire une image Docker, avec une surcouche OVH pour profiter du service AI-Training. Il inclut des fonctionnalités telles que la gestion de mémoire, l'exécution de notebooks et l'intégration avec des services Google.

Bibliothèque Apache Commons Lang est un plugin pour le logiciel d'analyse d'images bio Icy. Elle offre des fonctionnalités de traitement du langage naturel, de manipulation de chaînes de caractères et de gestion de fichiers.

Le projet herelles_NER est un outil d'extraction et d'analyse de règles spécifiques à un métier à partir de documents textuels. Il permet de détecter et de signaler les problèmes dans ces documents en utilisant des techniques de traitement automatique du langage naturel.

Le projet lutece-ai-plugin-knowledge est un plugin Lutece qui permet d'intégrer des fonctionnalités d'intelligence artificielle dans une application. Il offre des capacités de traitement de langage naturel pour comprendre et répondre aux questions des utilisateurs, ainsi que pour analyser des documents et en extraire des connaissances. Ce plugin vise à améliorer l'accès à l'information interne et à fournir des réponses plus précises et pertinentes aux utilisateurs.

Le projet base-nlp fournit des fonctions de base pour l'exploration de l'apport du Traitement Naturel du Langage (NLP) aux défis EIG. Il offre des capacités d'analyse sémantique, de détection de langues et d'extraction d'informations clés.

Le projet LREC2022 consiste en un corpus de textes cliniques en français annoté pour la similarité sémantique. Il a été construit sur la base du corpus CAS et contient 1000 paires de phrases évaluées sur une échelle de 0 à 5. Ce corpus est utile pour la recherche en apprentissage automatique et en traitement automatique du langage naturel dans le domaine médical.

Ce projet vise à détecter et à atténuer les biais dans les modèles de traitement automatique du langage naturel (NLP). Il s'inspire de deux références open-source et propose des fonctions pour évaluer les biais dans les embeddings de mots.