探索全部
共 2,038 个仓库 · Python
用低秩分支吸收离群值的 4-bit 扩散模型量化方案，让 FLUX 等大模型在低显存下也能高速出图，并已集成 ComfyUI。
面向 vLLM 生产推理的 LLM 压缩工具，支持量化等压缩算法，把大模型压小以便高效部署。
把各类文档抽取、解析成结构化分块，直接喂给 AI Agent 和 RAG 流水线，省去自己写清洗和切分逻辑。
面向A股的多人智能体投研框架，接入龙虎榜、游资、解禁等本地数据源，让7位AI分析师按A股规则辩论并给出风险评估。
面向 AI Agent 的级联运行时，在 Agent 循环内按成本、延迟、质量和策略动态调度模型与决策，帮你在不牺牲效果的前提下省下推理开销。
纯 Python 编写的开源下载管理器，支持网盘、直链和去链服务，可无头运行并自动解析链接，适合在服务器上集中管理下载任务。
Meta 开源的通用前馈式三维重建模型，能从单张或多视角图像直接恢复带真实尺度的三维几何，省去传统 SfM 的繁琐标定与优化流程。
低代码构建多智能体大模型应用的框架，把模型微调、知识库、数据流程等环节封装成简单接口，让开发者少写胶水代码就能搭出复杂 Agent 系统。
Python 客户端库，封装 NBA.com 官方接口，方便抓取球员和球队的统计数据，用于篮球数据分析与可视化。
给 LLM Agent 用的长期记忆系统，通过压缩和知识图谱把文本与多模态历史高效存下来，让 Agent 跨会话记住关键信息。
把视频扩散模型的推理速度提升 100–200 倍，靠一致性蒸馏、稀疏线性注意力和 SageAttention 等系统级优化，让视频生成真正跑得动。
基于 JAX 的计算机视觉研究库，提供注意力机制、Transformer 和 Vision Transformer 等模型实现，方便快速搭建和复现视觉研究实验。
基于 LLM 的 SRE 智能体，自动排查 Kubernetes 等环境中的告警与故障，帮助运维团队快速定位根因、缩短事件响应时间。
把 pycodestyle、pyflakes、mccabe 和第三方插件整合到一起的 Python 代码检查工具，一次运行就能查出风格问题和潜在错误。
Multi-LoRA inference server that scales to 1000s of fine-tuned LLMs
基于 PyTorch 的自监督学习库，用对比学习和 JEPA 世界模型在无标注图像上训练表征，省去人工标注成本。
Eagle 是一系列前沿视觉语言模型，主打以数据为中心的训练策略，能看图理解并回答多模态问题，适合做图文问答和视觉理解研究。
用多环境任务系统评测大模型作为智能体的综合能力，覆盖操作系统、数据库、知识图谱等场景，方便横向对比不同模型的 agent 表现。
开源的运动恢复结构（SfM）流水线，从多张照片自动重建三维场景和相机位姿，适合做摄影测量与三维建模。
给 AI 智能体做技能路由和工作流编排的框架，在 SkillsBench 上提升奖励并大幅省 token，适合搭多技能协作的编码或科研智能体。
逆向 Google Gemini 网页版得到的 Python 异步接口，能直接调用对话、图像生成等能力，省去官方 API 的申请和限制。
MAGI-1 是一个大规模自回归视频生成模型，把视频拆成片段逐段预测生成，适合需要长时序连贯性的视频创作场景。
把随手写的提示词改写成更清晰、结构化的版本，让文生图和图像编辑模型生成效果更稳定。
用 Python 实现 APNs 推送和 iMessage 协议客户端，可收发 iMessage 消息，适合研究苹果推送与 iMessage 通信机制的逆向工程。