AI · 算法工程
共 1,645 个仓库 · Python
把 Claude Fable 5 的工作流拆成任何模型都能跑的技能包，用「思考/行动/证明」三步加评测保证输出靠谱。
基于 DETR 系列的目标检测研究平台，集成 DAB-DETR、DINO、Mask-DINO 等主流变体，方便复现和对比实验。
端到端重放 ChatGPT Plus/Team/Pro 订阅协议的逆向工具集，自带从零实现的 hCaptcha 视觉求解器，用于反欺诈机制实证研究。
把视频按场景切分、去重抽帧并配上字幕文本，让 Claude 等大模型真正「看懂」视频内容，支持 URL 或本地文件，全程本地运行。
轻量级 LLM Agent 开发框架，提供工具调用、流程编排等基础组件，帮开发者快速搭建基于大模型的智能体应用。
把预训练句向量模型蒸馏成轻量静态词向量，推理速度极快、无需 GPU，适合大规模文本向量化和检索场景。
本地优先的求职智能工作台，自动抓取招聘岗位、按匹配度排序，并生成定制化的申请材料。
0.9B 参数的多语言长音频转写模型，能同时输出说话人分离、时间戳和声学事件标记，适合做会议记录和字幕生成。
给普通监控摄像头加上目标检测、跟踪、手机通知和录像搜索能力，支持 RTSP 接入，可自建 NVR 替代商业方案。
端到端的 LLM 与 AI Agent 评测与可观测平台，集追踪、评测、模拟、数据集、网关和护栏于一体，支持自托管，帮团队定位幻觉并持续优化 Agent 应用。
能实时生成长视频的扩散模型，支持图生视频和交互式长上下文生成，解决长视频生成速度慢、画质难兼顾的问题。
MambaVision 是 CVPR 2025 提出的混合 Mamba-Transformer 视觉骨干网络，用 PyTorch 实现，可直接用于图像分类、目标检测和分割等视觉任务。
面向卫星和航拍影像的深度学习库与框架，基于 PyTorch 提供遥感场景下的分类、目标检测和语义分割训练与推理能力。
用 Python 在知识图谱上做表示学习，把实体和关系训练成向量，方便做链接预测和关系推理。
为 ComfyUI 提供抠图与分割节点，集成 RMBG、BiRefNet、SAM、YOLO、GroundingDINO 等模型，可去背景并分割物体、人脸、服装。
Python 量化交易框架，内置能真正下单的 AI 智能体，支持在 12 家券商上回测、模拟盘和实盘交易股票、期权、期货、外汇、加密货币及预测市场。
用 PyTorch 复现 VALL-E 零样本语音合成，只需几秒参考音频就能克隆音色朗读任意文本。
基于 PyTorch 的多语言语音合成工具包，支持 7000 多种语言的可控快速 TTS，可训练和微调自己的语音模型。
秒级生成任意 3D 场景的生成模型，支持文本或图像输入，可用于快速搭建三维世界与场景重建。
基于 PyBullet 物理引擎的四旋翼控制强化学习环境，支持单智能体和多智能体训练，可对接 Crazyflie 等真实无人机。
把 Keras、PyTorch、ONNX 训练好的神经网络模型自动转成 FPGA 可综合的 HLS 代码，方便在硬件上做低延迟推理。
从视频中估计相机位姿、深度和相机内参的 3D 感知引擎，为几何三维重建与空间理解提供基础数据。
用 TensorFlow 实现的手写文字识别系统，基于 CNN 与循环神经网络，把图片中的手写文字转成文本，适合做 OCR 训练与微调。
用 Cython 封装的 Tesseract OCR Python 库，可直接调用底层 API 做文字识别，比命令行调用更高效、控制更细。