通过 HuggingFace Transformers 设计的 HugNLP 统一和全面地涵盖了自然语言处理的库，包含模型、处理器和应用层次结构，支持在不同的 NLP 任务上预训练语言模型的学习过程， 并且还提供了一些特色的 NLP 应用程序，如知识增强的 PLMs、通用信息提取、低资源挖掘和代码理解和生成，等等。

Feb, 2023

EasyNLP 是一个支持大规模预训练模型的统一框架，支持多种 NLP 算法，并在阿里巴巴集团的多个业务单元中得到了成功应用和集成。

Apr, 2022

本文介绍了一个能够支持自然语言处理工作流的开源框架，该框架包含了一个统一的数据表示方法和一个包含处理器、可视化和注释的大型处理库，提供了简单组装和互操作性，并能够轻松扩展以接入其他自然语言和深度学习库。

Mar, 2021

使用自然语言处理工具需了解语言本身、熟悉最新模型和训练方法，并具备部署这些模型的技术能力。本文介绍了 CMU 语言注释后端，一个开源框架，简化了模型部署和连续的人机交互微调过程，使语言社区成员和语言学家能够使用自然语言处理工具。CMULAB 可以让用户快速适应和扩展现有的语音识别、OCR、翻译和句法分析工具，即使训练数据有限。我们描述了目前可用的各种工具和 API，以及开发人员如何轻松地将新模型 / 功能添加到该框架中。

Apr, 2024

LexNLP 是一个面向法律和监管文本的自然语言处理和机器学习的开源 Python 包，提供文档分析、信息识别、实体提取、特征转换、无监督 / 监督模型构建等多个功能，其中包含 18 种结构化信息提取以及预训练模型，并可适用于学术研究和工业应用。

Jun, 2018

提出了一种先进的 XNLP 演示平台，通过利用 LLM 实现通用 XNLP，具有高普适性的单模型，推动了通用 XNLP 建模、高性能、可解释性、可扩展性和互动性的多个方面，为社区中探索不同 XNLP 任务提供了统一的平台。

Aug, 2023

本文介绍了一个基于参数高效适配器模块的 AdapterHub Playground 工具，为使用预训练模型进行自然语言处理任务的研究人员提供了一个直观的界面，并且通过案例展示了其性能提升的优点，同时还进行了用户研究。

Aug, 2021

本文提出一个可视化分析工具 DeepNLPVis，采用基于互信息的量化方法对深度自然语言处理模型进行统一理解，通过多层次的可视化（语料库级别、样本级别和单词级别）支持从整体到个别的分析，通过两个分类任务的案例研究和模型比较，证明了 DeepNLPVis 能够帮助用户识别潜在问题并做出知情决策。

Jun, 2022

AllenNLP 是一个基于 PyTorch 平台的自然语言理解深度学习相关的可扩展实验框架，具有智能批量处理和填充的灵活数据 API，高层次的文本操作抽象和模块化可扩展的实验框架。

Mar, 2018

EduChat 是一个基于大规模语言模型（LLM）的教育领域聊天机器人系统，旨在支持个性化、公平、有爱心的智能教育，为教师、学生和家长提供支持。它通过在教育语料库上进行预训练来学习领域特定知识，并通过在设计的系统提示和指令上进行微调来刺激各种技能。目前，EduChat 作为一个开源项目在线上提供，其代码、数据和模型参数可在平台上获得。这项倡议旨在促进基于 LLMs 的智能教育的研究与应用。

Aug, 2023