Skip to content
HagiCodeAwesome Site

Select language

目前語言: 繁體中文

NLP

Source: https://github.com/keon/awesome-nlp at ab3dbd7d8160
License: CC0-1.0
Read the English original

This edition is an AI-assisted translation.

awesome-nlp

Section titled “awesome-nlp”

Awesome

由 Atlas Cloud 贊助

Atlas Cloud

AI API 彙整平台，提供相容 OpenAI 的 LLM 端點，支援翻譯、摘要、多語言生成及結構化擷取等 NLP 任務。

自然語言處理相關資源精選清單。

貢獻前請閱讀貢獻指南。歡迎透過提交提取要求新增你喜愛的 NLP 資源。

範圍

Section titled “範圍”

本清單涵蓋自然語言處理，包括語言學分析、多語言工具、傳統與神經方法、資料集及評估。僅收錄能推進或評估核心 NLP 任務或能力（分詞、多語言能力、機器翻譯、摘要、命名實體辨識、問答、事實性、探測、蒸餾）的大型語言模型。通用聊天機器人、代理程式架構、提示範本儲存庫、程式碼生成工具及 RAG 應用入門套件收錄於其他清單——請參閱另請參閱。

目錄

Section titled “目錄”

研究綜述與趨勢

Section titled “研究綜述與趨勢”

追蹤 NLP 最新研究的管道：

歷史精選

Section titled “歷史精選”

知名 NLP 研究實驗室

Section titled “知名 NLP 研究實驗室”

回到頂端

教學資源

Section titled “教學資源”

回到頂端

閱讀資料

Section titled “閱讀資料”

通用機器學習

NLP 入門與指南

部落格與電子報

影片與線上課程

Section titled “影片與線上課程”

回到頂端

書籍

Section titled “書籍”

程式庫

Section titled “程式庫”

回到頂端

  • Node.js 與 JavaScript - Node.js 的 NLP 程式庫 | 回到頂端

    • Twitter-text - Twitter 文字處理程式庫的 JavaScript 實作。
    • Knwl.js - 以 JS 撰寫的自然語言處理器。
    • Retext - 用於分析及操作自然語言的可擴充系統。
    • NLP Compromise - 在瀏覽器中進行自然語言處理。
    • Natural - Node.js 的通用自然語言處理功能。
    • Poplar - 網頁式自然語言處理（NLP）標註工具。
    • NLP.js - 用於建置機器人的 NLP 程式庫。
    • node-question-answering - Node.js 中快速且適合正式環境使用的 DistilBERT 問答功能。

  • Python - Python NLP 程式庫 | 回到頂端

    • sentimental-onix 使用 ONNX 的 spaCy 情感分析模型。
    • TextAttack - NLP 對抗攻擊、對抗式訓練與資料增強。
    • TextBlob - 提供一致的 API，方便處理常見自然語言處理（NLP）任務。此程式庫奠基於 Natural Language Toolkit (NLTK) 和 Pattern，並能與兩者良好整合 :+1:
    • spaCy - 具備工業級效能的 Python 與 Cython NLP 程式庫 :+1:
      • textacy - 建構於 spaCy 之上的高階 NLP 工具。
    • gensim - 使用純文字執行非監督式語意建模的 Python 程式庫 :+1:
    • scattertext - 產生 d3 視覺化圖表，比較不同語料庫語言差異的 Python 程式庫。
    • GluonNLP (已封存) - 以 MXNet/Gluon 建置的 NLP 深度學習工具組。
    • AllenNLP (已封存) - 以 PyTorch 建置的 NLP 研究程式庫，可開發適用於多種語言任務的最先進深度學習模型。
    • PyTorch-NLP - NLP 研究工具組，透過更完善的資料載入器、詞向量載入器、神經網路層表示，以及 BLEU 等常見 NLP 指標，支援快速原型開發。
    • Rosetta - 文字處理工具及包裝程式（例如 Vowpal Wabbit）。
    • PyNLPl - Python 自然語言處理程式庫。通用的 Python NLP 程式庫，可處理 ARPA 語言模型、Moses 短語表、GIZA++ 對齊等特定格式。
    • foliapy - 用於處理 FoLiA 的 Python 程式庫；FoLiA 是一種語言學標註用的 XML 格式。
    • PySS3 - 實作 SS3 白箱文字分類器的 Python 套件，並附有可解釋預測結果的互動式視覺化工具。
    • jPTDP - 詞性（POS）標註與依存句法分析的聯合工具組，提供 40 多種語言的預訓練模型。
    • BigARTM - 快速主題建模程式庫。
    • Snips NLU - 可用於正式環境的意圖解析程式庫。
    • Chazutsu - 下載及解析標準 NLP 研究資料集的程式庫。
    • Word Forms - 可準確產生英文單字所有可能詞形的工具。
    • Multilingual Latent Dirichlet Allocation (LDA) - 多語言且可擴充的文件分群管線。
    • Natural Language Toolkit (NLTK) - 提供各類 NLP 功能並支援 50 多種語料庫的程式庫。
    • NLP Architect - 探索 NLP 與 NLU 最先進深度學習架構及技術的程式庫。
    • Flair - 以 PyTorch 建置、簡單易用的最先進多語言 NLP 框架，包含 BERT、ELMo 和 Flair 嵌入。
    • Kashgari - 簡單且以 Keras 為基礎的多語言 NLP 框架，可在五分鐘內建置命名實體辨識（NER）、詞性標註（PoS）和文字分類模型，並包含 BERT 與 word2vec 嵌入。
    • FARM - 快速簡便的 NLP 遷移學習工具，將語言模型應用於產業，專注於問答。
    • Haystack - 端對端 Python 框架，用於建置資料自然語言搜尋介面。運用 Transformers 與 NLP 最新技術，支援 DPR、Elasticsearch、HuggingFace Modelhub 等。
    • Rita DSL - 一種參考 Apache UIMA 上的 RUTA 的 DSL，可定義語言模式（規則式 NLP），再轉換為 spaCy 或較精簡輕量的正規表示式模式。
    • Transformers - 適用於 TensorFlow 2.0 與 PyTorch 的自然語言處理程式庫。
    • Tokenizers - 為研究與正式環境最佳化的分詞器。
    • fairSeq Facebook AI Research 的 PyTorch 最先進 seq2seq 模型實作。
    • corex_topic - 僅需極少領域知識的階層式主題建模。
    • Sockeye - Amazon Translate 所採用的神經機器翻譯（NMT）工具組。
    • DL Translate - 以 transformers 和 Facebook mBART Large 建置、支援 50 種語言的深度學習翻譯程式庫。
    • Jury - 提供多種自動化指標來評估 NLP 模型輸出。
    • python-ucto - 適用於多種語言、支援 Unicode 並以正規表示式為基礎的分詞器。這是 C++ 程式庫的 Python 綁定，並支援 FoLiA 格式。
    • Pearmut - 多語言 NLP 任務（例如機器翻譯）的人工作業標註工具。
    • Stanza - Stanford NLP 的 Python 工具組，可在 70 多種語言中執行分詞、詞性標註、詞形還原、依存句法分析與 NER。
    • Sentence-Transformers - 句子／文件嵌入、語意搜尋與重新排序；目前檢索式 NLP 的標準工具。
    • Argilla - 用於 LLM 與 NLP 資料集的開源資料標註及回饋蒐集平台。
    • HuggingFace Datasets - 為數千種 NLP 資料集提供標準化載入器與處理功能。
    • HuggingFace Evaluate - NLP 評估指標的參考實作。
    • sacrebleu - 機器翻譯可重現的 BLEU/chrF/TER 評分工具。
    • COMET - 基於學習的 MT 評估指標，目前事實上的標準。
    • LangTest - 超過 60 種測試類型，用於評估 NLP 模型的穩健性、偏見與公平性。
    • yasbd-lib - 高準確度的規則式句子邊界偵測器（SBD），可直接替代 pysbd，支援串流 API、CLI，以及涵蓋 39 種以上語言的 spaCy 元件。

服務

Section titled “服務”

提供 NER、主題標記等高階功能的 NLP API | 回到頂端

  • Wit-ai - 適用於應用程式與裝置的自然語言介面。
  • IBM Watson’s Natural Language Understanding - API 與 GitHub 示範。
  • Amazon Comprehend - 涵蓋 NER、標註和情感分析等常見任務的 NLP 與 ML 工具套件。
  • Google Cloud Natural Language API - 支援至少九種語言（包括英文、簡體中文與繁體中文）的句法分析、NER、情感分析及內容標註。
  • ParallelDots - 涵蓋情感分析至意圖分析等功能的高階文字分析 API 服務。
  • Microsoft Cognitive Service
  • TextRazor
  • Rosette
  • Textalytic - 在瀏覽器中執行自然語言處理，提供情感分析、命名實體擷取、POS 標註、詞頻統計、主題建模、文字雲等功能。
  • NLP Cloud - 透過 RESTful API 提供 spaCy 自訂及預訓練 NLP 模型，支援命名實體辨識（NER）、POS 標註等功能。
  • Cloudmersive - 免費整合式 NLP API，可執行語音標註、文字改寫、語言翻譯／偵測及句子剖析等操作。

標註工具

Section titled “標註工具”
  • GATE - General Architecture and Text Engineering 已發展超過 15 年，免費且開源。
  • Anafora 是免費開源的網頁式原始文字標註工具。
  • brat - brat 快速標註工具是用於協作文字標註的線上環境。
  • doccano - doccano 免費且開源，提供文字分類、序列標註及序列轉序列標註功能。
  • INCEpTION - 提供智慧輔助與知識管理功能的語意標註平台。
  • prodigy 是以主動式學習為核心的標註工具，需付費。
  • LightTag - 為團隊代管及管理的文字標註工具，需付費。
  • rstWeb - 用於語篇樹標註的開源本機或線上工具。
  • GitDox - 開源伺服器標註工具，支援 GitHub 版本控制、XML 資料驗證及協作試算表格。
  • Datasaur 支援個人或團隊使用多種 NLP 任務，採免費增值模式。
  • Konfuzio - 以團隊為先、採主動式學習的代管及地端文字、影像與 PDF 標註工具，提供免費增值方案，亦有付費功能。
  • UBIAI - 易於使用的團隊文字標註工具，具備完整的自動標註功能。支援 NER、關係與文件分類，以及發票標記的 OCR 標註，需付費。
  • Shoonya - 免費開源的資料標註平台，提供多樣的組織及工作區管理功能。Shoonya 不限定資料類型，團隊可大規模使用多階段驗證流程進行資料標註。
  • Annotation Lab - 免費、端對端、無程式碼的文字標註及深度學習模型訓練／微調平台。開箱即支援 Spark NLP 模型的命名實體辨識、分類、關係擷取與斷言狀態標註；使用者、團隊、專案及文件數量不限。非自由開源軟體。
  • FLAT - 以 FoLiA 格式 為基礎的網頁式語言學標註環境；FoLiA 是豐富的 XML 語言學標註格式。免費且開源。
  • Argilla - 開源平台，可蒐集人工回饋、建置 NLP 與 LLM 資料集，並整理偏好資料。
  • Label Studio - 開放核心的多模態標記平台，廣泛用於 NLP 標註。
  • Potato - 免費開源標註工具，涵蓋 21 種以上任務（分類、片段、共指、實體連結、代理程式追蹤評估），內建 MACE 品質控管、注意力檢查、AI 輔助標註，以及 300 多種範例任務。

任務與方法

Section titled “任務與方法”

依語言學問題整理 NLP 任務。各子章節先列出基礎／傳統研究，再列出神經網路方法，並視情況介紹 LLM 方法。現代語言模型專題研究（預訓練、評估、檢索、推理等）請參閱 NLP 語言模型。

文字嵌入

Section titled “文字嵌入”

回到頂端

靜態詞嵌入（基礎方法）：

上下文嵌入：

  • ELMo - 深度上下文化詞彙表示。
  • CoVe - 從機器翻譯中學得的上下文化向量。
  • ULMFiT - 用於文字分類的語言模型微調。
  • InferSent - 從自然語言推論（NLI）取得的句子表示。

現代句子與文件嵌入：最新排行榜請參閱 NLP 檢索（Sentence-Transformers、E5、BGE-M3、Nomic、GritLM）及 MTEB。

分詞、形態學與切分

Section titled “分詞、形態學與切分”

回到頂端

  • SentencePiece - 不依賴特定語言的子詞分詞器。

  • BPE 與 Unigram LM - 兩種主流子詞切分方法。

  • Stanza - 支援 70 多種語言的分詞、詞形還原與形態分析。

  • UDPipe - 適用於 Universal Dependencies 的分詞、標註、詞形還原與剖析工具。

  • Morfessor - 非監督式形態切分工具。 分詞器研究與架構（另請參閱語言模型）：

  • Byte-Pair Encoding (Sennrich et al.) - 神經機器翻譯的子詞單位，也是現代分詞器的基礎。

  • SentencePiece - 不依賴語言的子詞分詞（BPE 與 Unigram）。

  • Tokenizers - 以 Rust 快速實作 BPE、WordPiece 與 Unigram。

  • ByT5 - 不需分詞器的位元組層級模型。

  • CANINE - 直接處理 Unicode 字元、不需分詞的編碼器。

  • How Good is Your Tokenizer? - 比較不同語言的分詞器公平性。

  • Byte Latent Transformer (BLT) (Meta，2024) - 動態位元組層級切塊，在大規模下可媲美採用 BPE 分詞的模型，讓免分詞器方向重新受到關注。

  • SuperBPE (2025) - 超詞分詞方法，在下游任務上的表現優於 BPE。

  • Over-Tokenized Transformer (ICML 2025) - 分離輸入與輸出詞彙表，顯示輸入詞彙表大小與訓練損失呈對數線性關係，並可不受模型大小限制地擴展詞彙表。

  • Foundations of Tokenization (ICLR 2025) - 首個以隨機映射範疇論建立分詞器模型的形式化統一框架，並提出統計一致性的條件。

  • The Token Tax: Systematic Bias in Multilingual Tokenization (2025) - 量化分詞膨脹率如何預測跨語言模型準確度，揭示形態複雜及低資源語言所承受的結構性成本懲罰。

  • Reducing Tokenization Premiums for Low-Resource Languages (2026) - 事後擴增詞彙表，將低資源語言中多詞元字元序列合併，在不重新訓練的情況下降低推論成本。

詞性標註與依存句法分析

Section titled “詞性標註與依存句法分析”

回到頂端

命名實體辨識與資訊擷取

Section titled “命名實體辨識與資訊擷取”

回到頂端

基礎與神經網路方法：

開放式與指令遵循資訊擷取：

  • Universal NER - 經指令微調、支援跨語言開放集合 NER 的語言模型。
  • GLiNER (2023) - 小型通用 NER 模型，可在推論時處理任意實體類型。
  • GoLLIE - 使用語言模型依循指引進行資訊擷取。
  • REBEL - 以 seq2seq 方式端對端擷取關係。

以 LLM 為基礎：

共指消解

Section titled “共指消解”

回到頂端

文字分類與情感分析

Section titled “文字分類與情感分析”

回到頂端

主題建模

Section titled “主題建模”

回到頂端

摘要生成

Section titled “摘要生成”

回到頂端

機器翻譯

Section titled “機器翻譯”

回到頂端

統計式與基礎神經網路方法：

  • Moses - 具代表性的統計式機器翻譯系統。
  • Attention Is All You Need - Transformer 論文，重新定義了整個領域。
  • Marian NMT - 高效率的 C++ 神經機器翻譯框架。
  • Fairseq - PyTorch 序列建模工具組。

大規模多語言模型：

  • NLLB-200 - 支援 200 種語言的機器翻譯。
  • MADLAD-400 - 支援 400 多種語言的機器翻譯。
  • SeamlessM4T - 支援 100 多種語言的語音與文字機器翻譯。

評估：

  • COMET - 基於學習的 MT 指標，目前與 chrF 並列事實上的標準。
  • sacrebleu - 可重現的 BLEU/chrF/TER 評分。
  • BERTScore - 基於相似度的生成評估指標。

以 LLM 為基礎：

問答與閱讀理解

Section titled “問答與閱讀理解”

回到頂端

資料集與基礎系統：

現代開放領域問答：

  • DPR 與 FiD - 先檢索再閱讀；LLM 出現前的標準開放領域問答管線。
  • Atlas - 用於少樣本問答的檢索增強語言模型。
  • 另請參閱 NLP 檢索。

LLM 時代：

超越命名實體辨識的資訊擷取

Section titled “超越命名實體辨識的資訊擷取”

回到頂端

檢索與嵌入

Section titled “檢索與嵌入”

回到頂端

密集檢索與晚期互動檢索，日益成為問答與資訊檢索（IR）的基礎：

  • DPR (Dense Passage Retrieval) - 雙編碼器檢索基準。

  • ColBERT 與 ColBERTv2 - 晚期互動檢索，在領域外資料上表現優異。

  • E5 與 E5-Mistral - 廣泛使用的密集嵌入系列。

  • BGE 與 BGE-M3 (2024) - 多語言、多功能嵌入，在各語言的 MTEB 評比中名列前茅。

  • Nomic Embed (2024) - 完全開放且可重現的嵌入模型。

  • Matryoshka Representation Learning - 支援推論時調整維度的巢狀嵌入。

  • GritLM (2024) - 以單一模型統一生成與嵌入。

  • RAG (Retrieval-Augmented Generation) - 最初的檢索增強框架，是現代問答管線的基礎。

  • Gemini Embedding (2025) - 以 Gemini 為基礎的密集嵌入，在涵蓋 250 多種語言的 MMTEB 與跨語言檢索（XOR-Retrieve、XTREME-UP）上達到最新技術成果。

  • Qwen3-Embedding (2025) - 建構於 Qwen3 的解碼器式嵌入系列（0.6B–8B），在 MTEB Multilingual 與 MTEB Code 排名第一，超越先前的專有模型。

  • Rank1 (2025) - 首個透過蒸餾 DeepSeek-R1 推理軌跡並採用測試時運算訓練的重新排序模型，在指令遵循與領域外檢索上達到最新技術成果。

  • ReasonEmbed (2025) - 針對密集推理檢索的嵌入模型，採用 ReMixer 資料合成及 Redapter 自適應訓練，在 BRIGHT 上創下 nDCG@10 38.1 的紀錄。

  • ColBERT-Att (2026) - 將查詢與文件的注意力權重整合至 ColBERT 評分，擴展晚期互動檢索；提升 MS-MARCO、BEIR 和 LoTTE 的召回率。 嵌入與檢索基準：

  • MMTEB (2025) - 社群將 MTEB 擴展至 250 多種語言、500 多項任務。

語音與文字

Section titled “語音與文字”

回到頂端

A 組簡要參考資源，因為此主題與相鄰領域有所重疊：

  • Whisper - 多語言 ASR；目前開源模型中的常用選擇。
  • SeamlessM4T - 統一的語音與文字翻譯。
  • Canary (NVIDIA，2024) - 頂尖開源多語言 ASR 模型。
  • FunASR - 工業級 ASR 工具組；GPU 上達即時速度的 170 倍，支援 50 多種語言，內建 VAD、標點、說話者分離及情緒偵測。包含非自回歸 SenseVoice 與以 LLM 為基礎的 Fun-ASR-Nano 模型。
  • Wav2Vec 2.0 - 自我監督式語音預訓練的基礎方法。
  • Coqui TTS 與 VieNeu-TTS - 開源 TTS。

資料集

Section titled “資料集”

回到頂端

資料集入口與清單：

預訓練規模語料庫（開放）：

  • The Pile - 825 GiB 多樣化文字語料庫。
  • RedPajama / RedPajama-V2 (2023–2024) - 重製 LLaMA 預訓練資料；V2 含 30 兆詞元及品質指標。
  • Dolma (AI2，2023–2024) - 3 兆詞元的開放預訓練語料庫，並記錄資料篩選管線。
  • FineWeb / FineWeb-Edu (2024) - 15 兆詞元的清理後網頁語料庫；FineWeb-Edu 依教育品質篩選資料。
  • CulturaX - 涵蓋 167 種語言，共 6.3 兆詞元。
  • Common Corpus (2024) - 採開放授權、共 2 兆詞元的多語言語料庫。

任務與指令資料集：

多語言 NLP 架構

Section titled “多語言 NLP 架構”

回到頂端

  • UDPipe 是可訓練的管線，可為 Universal Treebanks 及其他 CoNLL-U 檔案進行分詞、標註、詞形還原與剖析。主要以 C++ 撰寫，為多語言 NLP 處理提供快速可靠的解決方案。
  • NLP-Cube : 自然語言處理管線，提供句子切分、分詞、詞形還原、詞性標註與依存句法分析。這套新平台以 Python 和 Dynet 2.0 撰寫，提供獨立執行方式（CLI／Python 綁定）及伺服器功能（REST API）。
  • UralicNLP 是一套 NLP 程式庫，主要支援多種瀕危烏拉爾語系語言，例如薩米語、莫爾多瓦語、馬里語、科米語等。也支援芬蘭語等非瀕危語言，以及瑞典語、阿拉伯語等非烏拉爾語系語言。UralicNLP 可進行形態分析、詞形生成、詞形還原與消歧。

NLP 語言模型

Section titled “NLP 語言模型”

回到頂端

此處收錄以 NLP 任務與語言現象為範圍的預訓練語言模型及相關研究。通用 LLM 工具、代理程式或 RAG 應用套件請參閱另請參閱。

預訓練與調適

Section titled “預訓練與調適”

編碼器（仍是傳統 NLP 任務的主力）：

  • BERT - 雙向 Transformer 預訓練，是 2018 年以來多數編碼器式 NLP 研究的基礎。線上閱讀，提供章節導覽並附上 ACL 原文。
  • RoBERTa - 經穩健最佳化的 BERT 預訓練方式，是常用的編碼器基準。
  • DeBERTa / DeBERTa-v3 - 解耦注意力，在分類、NER、NLI 任務上表現優異。
  • ELECTRA - 以替換詞元偵測進行預訓練，樣本效率高。
  • ModernBERT (2024) - 現代化編碼器，採用旋轉嵌入、FlashAttention 與 8K 上下文；目前分類、NER、檢索任務的首選編碼器。
  • NeoBERT (2025) - 整合現代架構改良的 2.5 億參數編碼器（RoPE、4K 上下文、最佳化深寬比）；在 MTEB 上達到最新技術水準，於相同微調條件下超越 ModernBERT 與 RoBERTa-large。

編碼器－解碼器與 seq2seq：

  • T5 與 FLAN-T5 - 將 NLP 任務統一為文字轉文字；效能強大的指令微調編碼器－解碼器基準。
  • BART - 去噪 seq2seq 預訓練，廣泛用於摘要與生成。

開放式純解碼器語言模型（作為 NLP 任務的基礎模型）：

多語言與跨語言模型

Section titled “多語言與跨語言模型”
  • XLM-R - 在 CommonCrawl 上訓練、涵蓋 100 種語言的跨語言遮罩語言模型。
  • mT5 - 涵蓋 101 種語言的多語言 T5。
  • BLOOM - 1,760 億參數的開放多語言語言模型，涵蓋 46 種自然語言。
  • Aya 23 / Aya Expanse (Cohere For AI，2024) - 涵蓋 23 至 101 種語言的大規模多語言指令微調模型。
  • Glot500 - 涵蓋 500 多種語言、專注低資源語言的編碼器。
  • NLLB-200 - No Language Left Behind，支援 200 種語言的機器翻譯。
  • MADLAD-400 - 支援 400 多種語言的機器翻譯模型與 3 兆詞元多語言語料庫。
  • SeamlessM4T / Seamless (Meta，2023–2024) - 支援 100 多種語言的多語言、多模態語音與文字翻譯。
  • SEA-LION / SeaLLM (2024–2025) - 專為東南亞語言打造的語言模型。
  • Babel (2025) - 開放多語言 LLM（9B 與 83B），涵蓋使用人口最多的 25 種語言（約占全球語言使用者的 90%）；在 XCOPA、XNLI、MGSM、FLORES-200 上超越規模相近的開放多語言模型。
  • Lugha-Llama (Princeton/Mila，2025) - 透過精選的 WURA 語料調適 Llama-3.1-8B，以支援非洲低資源語言；在 IrokoBench 與 AfriQA 創下開源模型最新成果。
  • AfriqueLLM (McGill，2026) - 一系列開放 LLM（4B–14B），使用涵蓋 20 種非洲語言的 260 億詞元持續預訓練，並附有完整的資料混合實證研究。
  • TranslateGemma (Google，2026) - 建構於 Gemma 3 的開放翻譯專用模型，透過 SFT、RL 與品質獎勵模型涵蓋 55 組語言配對。
  • MiLMMT-46 (Xiaomi，2026) - 擴展至 46 種語言的開放多語言機器翻譯，表現可媲美 Google Translate 與 Gemini 3 Pro 等商用系統。

評估與基準

Section titled “評估與基準”

NLU 與跨語言評估：

  • GLUE 與 SuperGLUE - 英文 NLU 基準。
  • XTREME 與 XGLUE - 跨語言 NLU。
  • XNLI - 涵蓋 15 種語言的跨語言自然語言推論。
  • FLORES-200 - 涵蓋 200 種語言的機器翻譯評估。
  • MTEB - 大規模文字嵌入基準；句子／文件編碼器的標準基準。
  • BEIR - 適用於檢索模型的異質資訊檢索基準。

現代語言模型評估（2023–2026）：

  • HELM - 涵蓋 NLP 任務、準確度及更多面向的整體評估。
  • BIG-bench - 200 多項用於探測語言模型能力的任務。
  • MMLU - 涵蓋 57 個學科的多任務知識評估。
  • MMLU-Pro (2024) - 難度更高、鑑別力更強的 MMLU 後繼基準。
  • GPQA - 研究所程度的問答與「Google 無法解答」的推理評估。
  • REFUTE (2026) - 科學推理基準，評估以證據為本的批判、過度主張偵測、缺少證據時拒答及校準能力。
  • IFEval - 可驗證的指令遵循評估。
  • Chatbot Arena (LMSYS) - 依人類偏好排列聊天模型的 ELO 排行榜。
  • LiveBench (2024) - 每月更新、可抵抗資料污染的基準。
  • LM Evaluation Harness - 統一的語言模型基準評估框架。
  • MMLU-ProX (2025) - 將 MMLU-Pro 擴展為涵蓋 29 種類型多樣語言的多語言版本；揭示高資源與低資源語言之間最高達 24.3% 的效能落差。
  • MultiChallenge (2025) - 多輪對話基準，揭露指令遵循與上下文內推理同時失效的情況；所有受測前沿模型得分均低於 50%。
  • FRAMES (2025) - 統一的 RAG 評估：824 道多跳問題，需同時運用事實性、檢索準確度與跨文件推理。

長上下文評估：

  • Needle in a Haystack - 長上下文視窗的檢索探測測試。
  • RULER (2024) - 超越簡單檢索的合成長上下文任務。
  • LongBench - 涵蓋 NLP 任務的雙語長上下文基準。
  • LongBench v2 (2025) - 503 道專家設計的選擇題，涵蓋 8K 至 200 萬詞元上下文與深度多跳推理；人在時間壓力下的得分為 53.7%。
  • U-NIAH (2025) - 以多針及巢狀配置擴展「大海撈針」測試；顯示 RAG 可緩解小型 LLM 的中段遺失問題，但會降低推理模型的表現。

推理與測試時運算

Section titled “推理與測試時運算”

2024–2026 年引領趨勢的方向：能產生明確推理軌跡並受益於額外推論運算的模型。

  • Chain-of-Thought Prompting - 奠基性成果；中間推理步驟可提升效能。
  • Self-Consistency - 對取樣產生的思維鏈進行多數決。
  • Tree of Thoughts - 在推理樹中進行搜尋。
  • Self-Refine 與 Reflexion - 推論時的自我修正方法。
  • Large Language Models are Zero-Shot Reasoners - 將思維鏈用於 NLP 推理任務。
  • Let’s Verify Step by Step - 用於推理的過程監督獎勵模型。
  • DeepSeek-R1 (2025) - 以純 RL 訓練的開放推理模型，公開重現 o1 式行為。
  • OpenAI o1 / o3 (2024–2025) - 採用測試時運算的推理系統。
  • Scaling LLM Test-Time Compute Optimally (2024) - 系統性研究推論時運算的取捨。
  • s1: Simple Test-Time Scaling (2025) - 透過預算強制法實作的簡易開放推理方法。
  • Kimi k1.5 (2025) - 以策略最佳化進行長上下文 RL（不使用 MCTS 或 PRM），達到 o1 等級效能；並將長思維鏈蒸餾至短思維鏈模型。
  • rStar-Math (2025) - 小型策略模型搭配透過 MCTS rollout 訓練的過程偏好模型，讓小型語言模型無須從大型模型蒸餾即可啟動推理能力。
  • DAPO (2025) - 開放的 GRPO 式 RL 訓練系統，具備四項關鍵改良（解耦裁切、動態取樣、詞元層級損失、熵獎勵）；重現並超越 DeepSeek-R1-Zero 等級的推理能力。
  • VAPO (2025) - 以價值模型為基礎的 RL，採用長度自適應 GAE 與詞元層級裁切；在穩定訓練下，於 AIME 2024 超越不使用價值模型的 GRPO 方法。
  • ThinkPRM (2025) - 生成式過程獎勵模型會逐步產生思維鏈驗證，僅使用 1% 的監督標籤即可媲美判別式 PRM。
  • OpenThoughts (2025) - 針對開放推理模型資料配方進行 1,000 多項受控實驗；在 AIME 2025 達到最新成果，媲美封閉式蒸餾基準。

長上下文與替代架構

Section titled “長上下文與替代架構”
  • Mamba 與 Mamba-2 - 選擇性狀態空間模型，以線性時間處理長上下文，是注意力機制的替代方案。
  • RWKV - 可擴展至大量參數的 RNN－Transformer 混合架構。
  • Jamba (2024) - Mamba、Transformer 與 MoE 混合架構。
  • RoPE 與 YaRN - 旋轉位置嵌入與上下文長度擴展方法。
  • Position Interpolation - 只需少量微調即可延長上下文視窗。
  • Lost in the Middle - NLP 任務中的長上下文效能衰退模式。
  • RAG vs Long-Context LLMs (2024) - 探討以長輸入進行問答時的取捨。
  • Titans: Learning to Memorize at Test Time (2025) - 可於測試時學習記憶歷史上下文的神經長期記憶模組；可擴展至超過 200 萬詞元，在語言建模與推理上優於 Transformer 及現代線性循環模型。
  • MiniMax-01 (2025) - 4,560 億參數混合模型，結合閃電（線性）注意力與稀疏 softmax 注意力；在最多 400 萬詞元的推論上下文中，NLP 效能媲美 GPT-4o。
  • Native Sparse Attention (NSA) (2025) - 可訓練的稀疏注意力，結合粗粒度壓縮與細粒度選擇；在 64K 上大幅加速，且 NLP 基準表現不受影響。
  • LongRoPE2 (2025) - 找出高頻 RoPE 維度訓練不足的問題，並以演化搜尋重新調整；只需 Meta 方法 1/80 的訓練詞元，即可將 LLaMA3-8B 擴展至 128K。
  • Characterizing SSM and Hybrid LM Long-Context Performance (2025) - 首次全面分析 Transformer、SSM 與混合模型在最多 22 萬詞元上下文下的記憶體與速度；SSM 最快可達 4 倍，混合模型則兼顧召回率與效率。

事實性、幻覺與校準

Section titled “事實性、幻覺與校準”
  • Survey of Hallucination in Natural Language Generation - 幻覺分類法與緩解策略綜述。
  • TruthfulQA - 問答事實性的基準。
  • FActScore - 長篇生成內容的細粒度事實準確度。
  • LongFact / SAFE (2024) - 長篇事實性基準與搜尋增強評估器。
  • SelfCheckGPT - 以取樣方式偵測幻覺。
  • RAGAS - RAG 與問答管線的免參考評估工具。
  • Lookback Lens (2024) - 依據注意力模式偵測長上下文生成中的幻覺。
  • Calibration of LLMs on Multiple Choice (2024) - 分析格式影響下的校準能力。
  • HalluLens (2025) - 幻覺基準，採用外在／內在分類法及動態重新產生測試集，以抵禦資料洩漏。
  • Atomic Calibration (2025) - 長篇生成的主張層級校準分析；模型對長篇輸出的校準能力明顯不如對單一主張。
  • FRANQ (2025) - 用於 RAG 事實查核、考量忠實度的不確定性量化；正式區分忠實度與事實性。
  • MUCH (2025) - 涵蓋英文、法文、西班牙文與德文的多語言主張幻覺基準，並釋出詞元層級 logits，以進行嚴謹的不確定性量化評估。
  • HalluHard (2026) - 高難度多輪幻覺基準，要求回答附上引用；即使使用網路搜尋，幻覺率仍約為 30%。
  • CURE: Think Through Uncertainty (2026) - 訓練模型在生成前推理主張層級的不確定性；大幅提升傳記事實性與 FactBench AUROC。

探測與可解釋性

Section titled “探測與可解釋性”

高效與小型語言模型

Section titled “高效與小型語言模型”

蒸餾與小型模型：

  • DistilBERT 與 MiniLM - 用於正式環境 NLP 的蒸餾編碼器。
  • Phi-3 / Phi-4 (Microsoft，2024) - 以精選資料訓練的小型模型，在 NLP 基準上的表現可媲美大型模型。
  • SmolLM2 (HuggingFace，2025) - 完全開放的小型語言模型系列，訓練資料可重現。
  • SmolLM3 (HuggingFace，2025) - 30 億參數的完全開放解碼器，使用 NoPE 與 YaRN 在 11.2 兆詞元上預訓練，支援 128K 上下文；效能可媲美 40 億參數級模型。
  • Gemma 3 Technical Report (Google，2025) - 10 億至 270 億參數的開放模型，採用較高的局部對全域注意力比例，讓 128K 上下文中的 KV 快取仍可負擔。
  • Qwen3 Technical Report (Alibaba，2025) - 6 億至 2,350 億參數的密集與 MoE 模型，統一思考／非思考模式；30B-A3B MoE 僅啟用 30 億參數，表現即可媲美更大的密集模型。
  • Apple Intelligence Foundation Language Models (Apple，2025) - 裝置端 30 億參數模型，運用 KV 快取共用與 2 位元 QAT，在不損失準確度的情況下減少 37.5% 快取記憶體。
  • Sentence-Transformers - 透過 Siamese BERT 產生句子與段落嵌入。
  • SetFit - 不使用提示的少樣本文字分類。
  • FastFit - 適用多類別情境的快速少樣本分類。
  • GTE、BGE 與 Stella - 在 MTEB 排名接近前段班的精簡文字嵌入模型。

量化與服務（大規模部署 NLP 模型時適用）：

  • GPTQ - Transformer 的訓練後量化。
  • AWQ - 感知啟用值的權重量化。
  • KVTuner (ICML 2025) - 感知敏感度的逐層混合精度 KV 快取量化；相較統一 KV8，最高提升 21% 吞吐量。
  • GGUF / llama.cpp - 可攜式量化推論。
  • vLLM - 以 PagedAttention 為基礎的高吞吐量語言模型服務。
  • SGLang - 結構化生成與高效率服務。
  • Text Generation Inference (TGI) - Hugging Face 語言模型正式環境服務工具。

參數高效率微調：

  • LoRA 與 QLoRA - 低秩轉接器與量化微調；在一般硬體上將語言模型調適至 NLP 任務的標準方法。
  • DoRA (2024) - 權重分解式低秩調適。
  • PEFT - Hugging Face 程式庫，整合 LoRA、前綴微調、IA3 等方法。

指令微調與偏好最佳化

Section titled “指令微調與偏好最佳化”
  • FLAN - 將微調後的語言模型作為零樣本學習器。
  • InstructGPT - 使用人類回饋訓練語言模型遵循指令。
  • Self-Instruct - 從語言模型產生指令資料以啟動訓練。
  • Super-NaturalInstructions - 含有指令的 1,600 多項 NLP 任務。
  • Constitutional AI - 依據書面憲章，使用 AI 產生的回饋訓練語言模型。
  • Direct Preference Optimization - RLHF 的簡易替代方法，已廣泛採用。
  • Tülu 3 (AI2，2024) - 完全開放的後訓練配方，在開放模型中達到最新成果。
  • LIMA - 「對齊方面少即是多」；少量高品質 SFT 資料即可發揮很大作用。
  • TRL - SFT、DPO、GRPO 與 RLHF 的參考程式庫。
  • Magpie (2024–2025) - 不提供提示內容，只提示已對齊的語言模型即可合成高品質指令－回應配對；以篩選後資料進行 SFT，表現可媲美官方 Llama-3-Instruct。

NLP 中的偏見、公平性與安全

Section titled “NLP 中的偏見、公平性與安全”
  • StereoSet - 測量預訓練語言模型中的刻板印象偏見。
  • CrowS-Pairs - 測量遮罩語言模型中的社會偏見。
  • WinoBias - 共指消解中的性別偏見。
  • HolisticBias - 從多種人口特徵面向測量偏見。
  • RealToxicityPrompts - 語言模型生成內容中的毒性。
  • Sycophancy in Language Models - 模型迎合使用者信念調整回答的現象。
  • Alignment Faking in Large Language Models (Anthropic，2024) - 模型在訓練期間策略性配合的現象。
  • WildGuard (2024) - 開放安全審核模型與基準。
  • Emergent Misalignment (2025) - 針對狹窄任務（不安全程式碼）微調，意外導致模型在不相關領域普遍發生對齊失效。
  • SafeDialBench (2025) - 多語言（中文／英文）安全基準，涵蓋 22 種情境、7 種越獄策略及 4,000 多段多輪對話。
  • TeleAI-Safety (2025) - 模組化越獄評估框架，整合 19 種攻擊、29 種防禦與 19 種評估方法，涵蓋 14 個模型及 12 種風險類別。
  • IndicSafe (2026) - 涵蓋 12 種印度語言的多語言安全基準；顯示跨語言一致率僅 12.8%，且低資源文字系統容易出現過度拒答。
  • VLAF: Value-Conflict Alignment Faking (2026) - 當政策與內化價值觀衝突時，低至 70 億參數的模型有 37% 案例出現對齊偽裝；使用 steering vector 緩解可將其減少 94%。

各語言的 NLP

Section titled “各語言的 NLP”

回到頂端

依人類語言整理資源。按一下章節即可展開。

阿拉伯語 NLP

Section titled “阿拉伯語 NLP”

回到頂端

程式庫

Section titled “程式庫”
  • CAMeL Tools - 阿拉伯語 NLP Python 工具組，包含方言識別、形態分析與 NER。
  • goarabic - 用於阿拉伯文文字處理的 Go 套件。
  • jsastem - JavaScript 阿拉伯文詞幹提取器。
  • PyArabic - 阿拉伯語 Python 程式庫。
  • RFTokenizer - 可訓練的阿拉伯語、希伯來語與科普特語切分器。
  • Farasa - QCRI 的阿拉伯文切分、詞性標註與 NER 工具。

模型與嵌入

Section titled “模型與嵌入”
  • AraBERT - 阿拉伯語 BERT 系列。
  • CAMeLBERT - 適用於現代標準阿拉伯語、方言與古典阿拉伯語的 BERT 模型。
  • AraELECTRA - 高效率阿拉伯語預訓練模型（與 AraBERT 同步發布）。
  • Jais (2023–2024) - 阿拉伯語－英文雙語開放語言模型系列。
  • ALLaM (SDAIA，2024) - 以阿拉伯語為主的基礎模型。

資料集

Section titled “資料集”

中文 NLP

Section titled “中文 NLP”

回到頂端

程式庫

Section titled “程式庫”
  • jieba - 中文斷詞的 Python 套件。
  • SnowNLP - 中文 NLP Python 套件。
  • FudanNLP - 中文文字處理 Java 程式庫。
  • HanLP - 多語言 NLP 程式庫，特別支援中文。
  • LTP - HIT 語言技術平台：斷詞、POS、NER 與句法剖析。

模型與嵌入

Section titled “模型與嵌入”
  • Chinese-BERT-wwm - 中文全詞遮罩 BERT。
  • MacBERT - 透過「MLM 作為修正」預訓練改良的中文 BERT。
  • Qwen 2.5 / Qwen 3 - Alibaba 開發、中文能力強的開放語言模型系列。
  • ChatGLM3 / GLM-4 - 清華大學開發的中英雙語語言模型。
  • Baichuan 2 - 開放中文語言模型。
  • Yi - 01.AI 的雙語開放語言模型。
  • DeepSeek-V3 - 中文能力強的高效率開放 MoE 模型。

論文集

Section titled “論文集”
  • funNLP - 大型中文 NLP 工具與資源合集。

丹麥語 NLP

Section titled “丹麥語 NLP”

回到頂端

荷蘭語 NLP

Section titled “荷蘭語 NLP”

回到頂端

  • python-frog - Frog（荷蘭語 NLP 工具套件）的 Python 綁定，支援詞性標註、詞形還原、依存句法分析及 NER。
  • SimpleNLG_NL - 以 SimpleNLG 實作為基礎、用於荷蘭語自然語言生成的表層實現器。
  • Alpino - 荷蘭語依存句法分析器（亦支援詞性標註與詞形還原）。
  • Kaldi NL - 以 Kaldi 為基礎的荷蘭語語音辨識模型。
  • spaCy Dutch model - 具備工業級效能、附有荷蘭語處理管線的 NLP 工具。

德語 NLP

Section titled “德語 NLP”

回到頂端

  • German-NLP - 專注於德語的開放取用、開源及現成資源與工具精選清單。

匈牙利語 NLP

Section titled “匈牙利語 NLP”

回到頂端

印度語言 NLP

Section titled “印度語言 NLP”

回到頂端

資料、語料庫與樹庫

Section titled “資料、語料庫與樹庫”

需要登入／存取權限的資料集可透過電子郵件申請

Section titled “需要登入／存取權限的資料集可透過電子郵件申請”

語言模型與詞嵌入

Section titled “語言模型與詞嵌入”

程式庫與工具

Section titled “程式庫與工具”

模型與嵌入

Section titled “模型與嵌入”
  • IndicBERT v2 (2022–2024) - 支援 23 種印度語言的多語言 BERT。
  • IndicTrans2 (2023–2024) - 支援 22 種印度語言的高品質機器翻譯。
  • OpenHathi (Sarvam AI，2023) - 延續訓練的印地語－英文雙語 LLaMA。
  • Airavata (2024) - 經指令微調的印地語 LLM。
  • Sarvam-1 (2024) - 從頭以 10 種印度語言訓練的多語言語言模型。
  • BharatGPT / Krutrim (2024) - 專注印度語言的基礎模型。

印尼語 NLP

Section titled “印尼語 NLP”

回到頂端

程式庫與嵌入

Section titled “程式庫與嵌入”

模型

Section titled “模型”
  • IndoBERT (IndoNLU) - 預訓練印尼語語言模型，搭配 IndoNLU 基準套件。
  • IndoBERT (IndoLEM) - 搭配 IndoLEM 基準的另一款 IndoBERT。
  • NusaCrowd / Cendol (2023–2024) - 大規模社群資料集，以及適用於印尼語與區域語言的 Cendol 指令微調語言模型。
  • Sailor - 涵蓋印尼語的東南亞開放語言模型。
  • SEA-LION (2024) - Singapore AI 開發的東南亞開放語言模型，印尼語能力強。

資料集

Section titled “資料集”

韓語 NLP

Section titled “韓語 NLP”

回到頂端

程式庫

Section titled “程式庫”
  • KoNLPy - 韓文自然語言處理 Python 套件。
  • Mecab (Korean) - 韓文 NLP 的 C++ 程式庫。
  • KoalaNLP - 韓文 NLP 的 Scala 程式庫。
  • KoNLP - 韓文 NLP 的 R 套件。
  • kss - 韓文句子切分器。
  • Kiwi - 快速韓文形態分析器。
  • Garu - 原生於瀏覽器的韓文形態分析器，透過 WebAssembly 完全在用戶端執行（模型 1 MB、可離線使用、MIT 授權）。

模型與嵌入

Section titled “模型與嵌入”

部落格與教學資源

Section titled “部落格與教學資源”

資料集

Section titled “資料集”

波斯語 NLP

Section titled “波斯語 NLP”

回到頂端

程式庫

Section titled “程式庫”
  • Hazm - 波斯語 NLP 工具組。
  • Parsivar - 波斯語處理工具組。
  • Perke - 波斯語關鍵詞擷取工具。
  • Perstem - 波斯語詞幹提取器、形態分析器與部分詞性標註器。
  • ParsiAnalyzer - Elasticsearch 波斯語分析器。
  • virastar - 波斯文文字清理工具。

模型

Section titled “模型”
  • ParsBERT - 波斯語 BERT。
  • PersianMind (2023–2024) - 經指令微調的波斯語語言模型。
  • Dorna (Part AI，2024) - 以 Llama 3 為基礎的波斯語指令模型。

資料集

Section titled “資料集”

波蘭語 NLP

Section titled “波蘭語 NLP”

回到頂端

  • Polish-NLP - 波蘭語 NLP 資源精選清單，包含模型、工具與資料集。

葡萄牙語 NLP

Section titled “葡萄牙語 NLP”

回到頂端

模型

Section titled “模型”
  • BERTimbau - 巴西葡萄牙語 BERT。
  • Sabiá (Maritaca AI，2023–2024) - 專注葡萄牙語的開放語言模型。
  • Albertina (PORTULAN，2023–2024) - 適用歐洲葡萄牙語與巴西葡萄牙語的純編碼器語言模型。

西班牙語 NLP

Section titled “西班牙語 NLP”

回到頂端

程式庫

Section titled “程式庫”
  • spanlp - 使用來自 21 個西班牙語系國家的資料，以 Python 偵測、遮蔽與清理西班牙文髒話、仇恨言論及霸凌內容。

資料

Section titled “資料”

模型與嵌入

Section titled “模型與嵌入”

泰語 NLP

Section titled “泰語 NLP”

回到頂端

程式庫

Section titled “程式庫”
  • PyThaiNLP - 以 Python 進行泰語 NLP。
  • JTCC - Java 字元群集程式庫。
  • CutKum - 使用 TensorFlow 深度學習進行斷詞。
  • Thai Language Toolkit - 分詞與詞性標註工具。
  • SynThai - 使用深度學習進行斷詞與詞性標註。

模型

Section titled “模型”
  • WangchanBERTa - 泰語預訓練語言模型。
  • Typhoon (SCB 10X，2024) - 泰語開放 LLM 系列。
  • OpenThaiGPT (2023–2024) - 泰語開放指令微調模型。
  • Sailor - 涵蓋泰語的東南亞開放語言模型系列。

資料

Section titled “資料”

烏克蘭語 NLP

Section titled “烏克蘭語 NLP”

回到頂端

  • awesome-ukrainian-nlp - 烏克蘭語 NLP 資料集、模型等資源精選清單。
  • UkrainianLT - 專注於機器翻譯與語音處理的資源精選清單。

烏爾都語 NLP

Section titled “烏爾都語 NLP”

回到頂端

程式庫

Section titled “程式庫”
  • urduhack - 烏爾都語 NLP 程式庫。

資料集

Section titled “資料集”

烏茲別克語 NLP

Section titled “烏茲別克語 NLP”

回到頂端

資料集

Section titled “資料集”
  • SOAS English-Uzbek RAG Evaluation - 為具文化脈絡的 RAG 設計的雙語檢索評估基準，共 400 筆英語與烏茲別克語資料，採 MIT/CC-BY-4.0 授權。

越南語 NLP

Section titled “越南語 NLP”

回到頂端

程式庫

Section titled “程式庫”
  • underthesea - 越南語 NLP 工具組。
  • vn.vitk - 越南語文字處理工具組。
  • VnCoreNLP - 越南語 NLP 工具組。
  • pyvi - Python 越南語核心 NLP 工具組。
  • VieNeu-TTS - 裝置端越南語文字轉語音，支援語音克隆。

模型與嵌入

Section titled “模型與嵌入”
  • PhoBERT - 越南語預訓練語言模型。
  • BARTpho - 越南語 seq2seq 預訓練模型。
  • PhoGPT (VinAI，2023–2024) - 越南語開放生成式語言模型。
  • Vistral (2024) - 以 Mistral 為基礎的越南語聊天模型。
  • Sailor (2024) - 涵蓋越南語、泰語、印尼語及其他東南亞語言的多語言開放模型系列。

資料

Section titled “資料”
  • Vietnamese Treebank - 為成分句法剖析任務提供 1 萬個句子。
  • BKTreeBank - 越南語依存樹庫。
  • UD_Vietnamese - 越南語 Universal Dependencies 樹庫。
  • VIVOS - 免費越南語語音語料庫，含 15 小時錄音（HCMUS AILab）。
  • VNTQcorpus(big).txt - 175 萬個新聞句子。
  • ViText2SQL - 越南語 Text-to-SQL 語意剖析資料集（EMNLP-2020 Findings）。
  • EVB Corpus - 2,000 萬詞彙，涵蓋 15 本雙語書、100 篇英越平行文本、250 篇平行法律文本、5,000 篇新聞及 2,000 部電影字幕。

其他語言

Section titled “其他語言”
  • 俄語：pymorphy2 - 優良的俄語詞性標註器。
  • 亞洲語言：泰語、寮語、中文、日語與韓語的 ICU Tokenizer ElasticSearch 實作。
  • 古代語言：CLTK：Classical Language Toolkit 是用於古代語言 NLP 的 Python 程式庫與文本合集。
  • 希伯來語：NLPH_Resources - 希伯來語 NLP 論文、語料庫與語言學資源合集。

回到頂端

另請參閱

Section titled “另請參閱”

以下精選清單涵蓋本清單範圍之外的相關主題：

引用

Section titled “引用”

如果此儲存庫對你有幫助，請考慮引用此清單：

@misc{awesome-nlp,
  title  = {Awesome NLP},
  author = {Kim, Keon Woo},
  year   = {2018},
  url    = {https://github.com/keon/awesome-nlp},
  note   = {GitHub repository}
}

授權

Section titled “授權”

授權條款 - CC0

HagiCode

HagiCode 是面向專案開發的 AI 編碼工作台：豐富、便利的介面互動讓規劃、Agent 執行與專案工作更容易上手和跟進，帶來更投入的開發體驗。

透過豐富、便利的介面互動，讓規劃、Agent 執行與專案工作更容易上手和跟進。

造訪 HagiCode閱讀文件
  • 智慧OpenSpec 工作流程將意圖轉化為從提案、設計、任務到交付的可執行路徑。
  • 高效多 Agent 並行推進研究、實作與審查，並支援多儲存庫變更與你熟悉的 Agent CLI。
  • 有趣豐富、便利的介面互動讓規劃、Agent 執行與專案工作更容易上手和跟進，帶來更投入的開發體驗。

下載 Windows 版

從 Microsoft Store 取得所有下載

讓想法化為交付成果。

HagiCode 是面向專案開發的 AI 編碼工作台：以 OpenSpec 工作流程規劃變更，多 Agent 並行執行，再由 Hero Scenario 讓進度一目了然，將想法化為交付成果。

下載 HagiCode產品文件
智慧
OpenSpec 工作流程將意圖轉化為從提案到交付的可執行路徑。
高效
多 Agent 並行推進研究、實作與審查。
有趣
豐富、便利的介面互動，讓規劃、Agent 執行與專案工作更容易跟進。

© 2026 HagiCode | Powered By hagilight-starlight@0.21.0 | Branch: main | Commit: 745b50b | Built:

要離開 Awesome Site 嗎？

您即將前往外部網站。我們無法控制其內容或隱私慣例。

目的地

繼續前往網站