AI · 算法工程
共 1,645 个仓库 · Python
面向机器人位姿与流形优化的可微分编程库，把李群、位姿估计和卡尔曼滤波等模块接入 PyTorch，方便在深度学习里做几何优化与状态估计。
给个性化 AI 智能体提供长期记忆管理的操作系统层，把对话历史、用户偏好等记忆统一存储与检索，解决智能体跨会话记不住上下文的问题。
飞桨生态下的模型压缩与架构搜索库，提供剪枝、量化、蒸馏和 NAS 等能力，帮你在部署前把深度模型压小提速。
在树莓派等边缘设备上跑深度学习推理的网关，把模型部署到 IoT 终端并通过 MQTT 上报结果，省去云端往返。
用大模型、计算机视觉和语音识别自动分析视频内容，把画面、语音转成结构化信息，省去人工逐帧观看和整理。
基于 Transformer 的多模态传感器融合端到端自动驾驶模型，用模仿学习把摄像头和激光雷达数据联合建模，直接输出驾驶控制。
面向 LLM 的文档智能库，用 ORM 风格接口编排文档解析、OCR 与信息抽取流程，让复杂文档工作流更灵活可控。
收集构建 AI 网页智能体所需的工具、框架和资源清单，帮开发者快速找到浏览器自动化与 LLM 驱动的 Agent 方案。
把任意 LLM 改造成 Jev 风格决策模型，输出带类型的决策和真实概率，无需训练即可使用，适合需要可靠置信度的决策场景。
基于 Llama 架构的概率式时间序列基础模型，用滞后特征做零样本预测，免去为每条序列单独训练模型。
把 MiniMax 的语音合成、文生图、文生视频等生成能力封装成 MCP 服务，让 Claude 等支持 MCP 的客户端直接调用。
基于 PyTorch 的神经网络量化库，支持训练后量化和量化感知训练，方便把模型部署到 FPGA 等硬件上做加速。
Infinity 是一个用位级自回归建模做高分辨率图像生成的模型，把 GPT 式架构扩展到视觉生成，解决高分辨率文生图的质量和扩展性问题。
基于流匹配的语音合成模型，通过表情符号控制说话风格，支持声音克隆，让 TTS 输出带情绪和语气变化。
把 PDF、图片、Word、PPT 或网页里的内容抽成 Markdown、JSON、CSV、HTML，自带 OCR 和结构化字段提取，省去自己拼解析流程。
面向 Keras 和 TensorFlow 的模型压缩工具包，通过量化和剪枝把训练好的模型压小、跑得更快，方便部署到移动端和边缘设备。
一套面向 RPA 的开源 Python 库和工具集，兼容 Robot Framework，集成 OCR、文档解析和 NLP 能力，用来搭建业务流程自动化脚本。
面向机器学习工程与研究的智能体，能对接 arXiv 和 Papers with Code 检索论文，生成代码与研究方案，并支持 OpenAI、Anthropic、Gemini、Ollama 等模型。
MIMO 是一个可控角色视频合成模型，通过空间分解建模把人物和场景拆开处理，让用户能对角色动作和画面进行精细控制。
用自然语言驱动视频处理与编辑的 AI Agent 框架，把搜索、RAG、文生视频等能力串成可编排的工作流。
一套 PyTorch 扩展工具集，提供数据增强、损失函数、训练流水线等常用组件，帮你在做图像分割、检测和分类的原型研发与 Kaggle 比赛时少写重复代码。
把微软 VibeVoice 语音合成模型接入 ComfyUI 的节点插件，支持单人和多人对话式语音生成，可直接在工作流里出高质量配音。
给大语言模型搭建多智能体语言博弈环境，让 AI 在对话游戏里练习沟通与协作能力，方便研究和评测多智能体交互。
基于 Retinex 理论的一阶段 Transformer 低光照图像增强模型，ICCV 2023 高被引工作，可直接用于夜间图像提亮与下游检测任务。