AI · 算法工程
共 3,223 个仓库 · 一年内有推送
实时鲁棒的激光雷达-惯性测量单元初始化方法，为 LiDAR-惯性 SLAM 系统提供高精度外参标定与初始状态估计，解决启动阶段对齐不准的问题。
Ovis 是一种多模态大语言模型架构，通过结构对齐视觉与文本嵌入，让模型能同时理解图像和文字，适合做视觉问答、图文对话等任务。
用 Python 和 TypeScript 统一调用各家大模型，把提示词、工具调用和结构化输出封装成轻量模块，避免被重型框架绑死。
提供 Amazon Bedrock 上各类基础模型的入门示例代码，涵盖嵌入、知识库和 RAG 等场景，方便开发者快速上手生成式 AI 应用开发。
.png){kind=small}
用视觉语言模型从 PDF、Word、PPT 和扫描件等难搞文档里提取干净结构化数据，省去手工清洗的麻烦。
一本博客风格的短教材，讲怎么在 TPU 上扩展大模型训练与推理，用 roofline 分析帮你算清算力、显存和通信的瓶颈。
每天自动抓取 arXiv 上计算机视觉方向的新论文并整理更新，省去手动刷 arXiv 的麻烦，适合跟踪 3D 重建、图像匹配、NeRF 等方向的最新进展。
用视觉语言模型做摄像头监控，能理解画面内容而不只是检测移动，适合替代传统 NVR 的简单告警。
面向 Windows 开发者的开源示例库，演示如何用本地模型和 API 给 Windows 应用加上 AI 能力，覆盖 ONNX Runtime、DirectML 和 NPU 加速。
Prism 是腾讯混元提出的动态稀疏注意力框架，让视频-音频联合生成模型能原生训练到 2K 分辨率，解决高分辨率多模态生成算力吃紧的问题。
把大语言模型和适配时空视频表示的视觉编码器结合，让模型能围绕视频内容展开有意义的对话，并提供视频对话模型的量化评测基准。
汇总了一批能借助 AI 进行网络搜索的软件与工具，方便按需挑选合适的 AI 搜索引擎或检索方案。
混合 AI 搜索引擎，能同时检索个人知识库和互联网，并自动生成带 UI 的页面，适合搭建 RAG 检索与内容生成场景。
基于 AgenticX 的多智能体金融情报平台，实时分析财经新闻、融合情绪信号并挖掘 alpha 因子，帮量化研究者从资讯里找交易线索。
OpenMMLab 生态的深度学习训练基础库，统一封装训练循环、配置系统和分布式训练等底层能力，让算法开发者专注模型本身而不用重复搭建训练脚手架。
在 macOS 原生应用里直接和本地 LLaMA 模型对话，支持 llama.cpp，不用折腾命令行就能跑起来。
一套可复用的 AI 智能体技能包，覆盖需求探索、规格编写、编码实现、代码审查和自主调研，兼容 Claude Code、Codex 等智能体，帮软件团队把开发流程标准化。
自托管 Chatterbox 语音合成模型的服务端，带 Web 界面和 OpenAI 兼容 API，支持预置音色、声音克隆和长篇有声书文本处理，可在 NVIDIA、AMD 和 CPU 上加速运行。
macOS 上的开源截图与录屏工具，用 Swift 6 和 SwiftUI 原生开发，是 CleanShot X 的免费替代品，支持标注和 OCR。
面向扩散模型和全模态模型的多模态强化学习训练框架，支持 GRPO、流匹配和 vLLM 推理，用来做图像生成与多模态模型的 RLHF 训练。
一个用 Clojure 写的 Datalog 数据库，同时支持文档、图、键值和向量存储，还带全文检索，适合需要多种数据模型和向量检索的 AI 应用。
一站式通用 OCR 开源工具箱，集训练评测基准、商用级文字识别与文档解析系统于一体，并复现多篇学术论文的核心实现。
把多个 AI 编码代理（Claude Code、Codex 等）组织成可协作的团队，让它们分工执行任务并共享记忆，适合需要多人多代理协同的自动化开发场景。
全栈 AI 智能体桌面应用，把写代码、管文件、跑终端、查资料、做内容和多智能体协作都整合到一个界面里，适合想用统一入口完成多种任务的开发者。