AI · 算法工程
共 1,645 个仓库 · Python
把原始文档编译成结构化、本地优先的 wiki 知识库，用可读可维护的编译式方案替代传统 RAG，支持自管理自改进。
用一个 Transformer 统一多模态理解与生成，既能看图回答，也能按文字生成图像，省去多模型拼接的麻烦。
让 vLLM 在 Apple Silicon 的 Mac 上跑起来，通过 Metal 和 MLX 后端把大模型推理搬到本地苹果芯片，省去 GPU 服务器。
开源微调 Qwen-VL 系列多模态大模型的实现，支持 Qwen2-VL、Qwen2.5-VL、Qwen3-VL 等版本，方便按自己的数据定制视觉语言模型。
只用几张图片就能让文生图扩散模型学会多个新概念，并把它们组合到同一张图里，适合做个性化图像生成和少样本微调。
基于 Meta Llama 3 开发的中文大模型项目，提供中文 LLaMA-3 和 Alpaca-3 模型及训练、部署方案，解决中文场景下开源大模型可用性问题。
基于 GPU 加速的视频分析智能体参考架构，用视觉语言模型、LLM 和 RAG 实现长视频的实时告警、视觉问答与自动报告生成。
面向流式视频超分的一步扩散框架，用局部约束稀疏注意力和微型条件解码器把扩散超分做到实时，适合直播、视频通话等低延迟场景。
自建的家庭照片管理服务器，用物体识别、人脸识别、位置和色彩分析等 ML 算法帮你从海量照片里快速筛出想要的那张，任意设备都能访问。
用 Python 仿真加开源教材一步步搭建自动驾驶系统，可在同一框架里替换对比定位、规划与控制算法，适合入门学习。
开源的端到端视觉-语言-动作模型，让 GUI 智能体看懂屏幕截图并直接输出点击、输入等操作，用于自动化电脑操作。
快速扫描图像和视频数据集，找出重复、相似和异常样本，帮助清洗数据、提升标签质量并降低数据运维成本。
面向 AI 训练数据的标注与数据管理平台，支持图像等数据标注、数据集版本管理和人工审核流程，可接入自有应用或直接用内置 UI 组织数据工作流。
面向大规模部署的 LLM 推理引擎，支持 CUDA、ROCm、TPU、Inferentia 等多种硬件后端，并提供 LoRA 与投机解码等加速能力。
轻量级虚拟试衣扩散模型，仅需不到8G显存即可生成1024×768试穿效果，训练和推理都很省资源。
Datawhale 与 SGLang 官方合作的 LLM 推理课程，从零手写 mini-sglang 理解推理原理，再读真实源码并完成第一个 PR。
跨平台 LXMF 客户端，通过 Reticulum 网络在 LoRa、分组无线电、WiFi、I2P 等链路上实现去中心化点对点通信，无需互联网即可收发消息。
约 1000 行 Python 实现的极简 AI 编码 Agent，兼容任意 LLM，适合想读懂或改造编码 Agent 内部机制的开发者。
把一句想法丢进对话，就能自动完成脚本、配图、配音到成片的 AI 视频生成多智能体系统，适合快速产出短片。
基于 PyTorch 的 Transformers 库入门教程，手把手演示文本分类、NER、问答、摘要等常见 NLP 任务的训练与微调流程。
把 PaddleOCR 的模型转成 ONNX 推理，彻底摆脱 PaddlePaddle 框架依赖，轻量部署、推理速度很快，适合做通用 OCR、表格识别和车牌识别。
Nomic 的 Python SDK，把文本等非结构化数据交给开发者 API 做向量化、聚类、主题建模和重复检测，省去自己搭建嵌入与聚类流程。
基于生成式智能体的社会模拟库，能搭建多智能体虚拟社会，观察角色互动与群体行为，适合研究社会现象和测试协作策略。
把人工操作 EHR、支付门户等桌面或网页流程录成可本地回放的确定性程序，无需调用模型，每步校验结果，不匹配就停。