📢gitzw.com上线了，功能陆续更新中，如有问题或反馈请在下方反馈/建议中给我们留言。
订阅
首页排行榜教程中心知识库资讯分类专题合集搜索订阅RSS
简体繁體English
🔍
📡 RSS
🔥 热门搜索llmvuejspytorchlangchainsqlgraphqlpegleetcodetokioredisunityphp8

"基础模型"

📘 教程

手把手用 LingBot-Map 构建实时 3D 场景LingBot-Map 是一个用于流式 3D 重建的前馈基础模型。通过本教程，你将学会如何安装和使用 LingBot-Map 来重建复杂的 3D 场景。进阶13 章★ 13.0k

📰 资讯

AI★★★★Stack Overflow · Tue, 30 Ju
预测意图需要的不仅仅是一个大型语言模型

预测人类行为需要比大型语言模型更复杂的方法，尤其是在个人化决策方面。Yobi 公司的 CTO Frank Portman 讨论了如何使用变换器和图神经网络构建行为基础模型。

  • 大型语言模型不适合预测人类行为
  • Yobi 公司使用变换器和图神经网络构建行为基础模型
  • 个人化决策需要保持消费者数据隐私

📦 开源项目

doctrine
doctrine/lexer
lexer：PHP 解析器库 — lexer 提供了一个基础的词法分析器库，可以用于创建自定义的解析器。它支持 Top-Down 和递归下降解析器，可以帮助开发者更容易地创建自己的解析器。这种库对于构建复杂的解析系统至关重要。
PHP★ 11.2k⑂ 64backend
datawhalechina
datawhalechina/happy-llm
happy-llm：从零开始构建大模型 — happy-llm 项目旨在提供一个构建大模型的框架，利用 Jupyter Notebook 实现模型的开发和部署。该项目的主要目的是让开发者能够从零开始构建大模型，实现高效的模型开发和应用。同时，happy-llm 项目也提供了一个学习和研究的大模型构建方法
Jupyter Notebook★ 32.2k⑂ 3.1kai-ml
microsoft
microsoft/BitNet
BitNet：1位LLM推理框架 — BitNet是微软开发的官方1位LLM推理框架，用于支持低位深度神经网络的高效推理。它能够有效地优化1位LLM的性能，提高推理速度。BitNet的出现对推动低位深度神经网络的发展具有重要意义
C++★ 39.8k⑂ 3.7kai-ml
Robbyant
Robbyant/lingbot-map
lingbot-map：三维场景重构基础模型 — lingbot-map是一个基于feed-forward的3D基础模型，能够从流数据中重构场景。它使用Python编写，能够高效地处理流数据。该模型在场景重构方面具有重要意义，能够广泛应用于机器人、自动驾驶等领域
Python★ 14.4k⑂ 1.5kdata
+565 ★
shiyu-coder
shiyu-coder/Kronos
Kronos：金融市场的语言基础模型 — Kronos 是一个专为金融市场语言设计的基础模型，旨在理解和生成与金融相关的文本。这对于自动化报告、市场分析和智能交易系统至关重要。
Python★ 32.6k⑂ 5.6kother
+137 ★
datawhalechina
datawhalechina/all-in-rag
all-in-rag：RAG技术全栈指南 — all-in-rag 提供了一个全面的RAG（Retrieval-Augmented Generation）技术指南，涵盖从数据准备到模型部署的全过程，帮助开发者掌握大模型应用开发的核心技能。
Python★ 9.6k⑂ 4.8kai-ml
zml
zml/zml
zml：零损害的AI模型部署 — zml项目旨在打破AI模型部署的硬件限制，允许用户在任何硬件上部署任何模型，使用Zig语言和OpenXLA、MLIR、Bazel等技术，实现高性能和灵活的AI模型部署。该项目对于AI应用的开发和部署具有重要意义。通过zml，开发者可以更容易地将AI模型部署到不同的硬件平台上，提高AI应用的效率和可靠性。
Zig★ 3.9k⑂ 170ai-ml
hpcaitech
hpcaitech/ColossalAI
ColossalAI：大型AI模型的高性能计算框架 — ColossalAI通过数据并行、模型并行和流水线并行等技术，使得大型AI模型的训练和推理变得更快、更便宜和更容易访问。这种框架对于深度学习、分布式计算和超大规模模型的训练具有重要意义。同时，它也支持异构训练和推理，进一步提高了其灵活性和实用性
Python★ 41.4k⑂ 4.5kai-ml
langchain-ai
langchain-ai/open_deep_research
open_deep_research：开源深度研究平台 — open_deep_research 是一个专注于深度学习研究的开源平台，旨在为研究人员提供强大的工具和资源。它支持多种深度学习框架，帮助用户高效地进行实验和模型开发。
Python★ 12.3k⑂ 1.7kother
+23 ★
mckaywrigley
mckaywrigley/chatbot-ui
chatbot-ui：人工智能聊天界面 — chatbot-ui提供了一种简单的方式来集成AI聊天功能到您的应用中。它支持任何模型，使得您可以轻松地创建自定义的聊天界面。通过使用chatbot-ui，您可以提高用户体验和用户参与度
TypeScript★ 33.3k⑂ 9.4kai-ml
lllyasviel
lllyasviel/ControlNet
ControlNet：控制扩散模型 — ControlNet 是一个开源项目，旨在让用户能够控制扩散模型的行为。它提供了一种简单的方式来管理和优化扩散模型，从而使其在各种应用中更加高效和有效。通过使用 ControlNet，用户可以更好地理解和控制扩散模型的行为
Python★ 34k⑂ 3kai-ml
dottxt-ai
dottxt-ai/outlines
outlines：结构化输出 — outlines 是一个用于生成结构化输出的工具，帮助用户更有效地管理和分析数据。
Python★ 15.1k⑂ 802other
+364 ★
stanfordnlp
stanfordnlp/dspy
dspy：语言模型编程框架 — dspy提供了一个强大的平台，用于构建和训练语言模型，使得开发者可以更好地控制和定制模型的行为。通过使用dspy，开发者可以创建更复杂和更智能的语言模型应用。同时，dspy也为语言模型的研究和开发提供了一个新的途径
Python★ 36.2k⑂ 3.1kbackend
m87-labs
m87-labs/moondream
moondream：微型视觉语言模型 — moondream是一个微型视觉语言模型，使用Python编写。它能够处理视觉和语言任务，具有较小的模型大小和较快的推理速度。moondream的出现为视觉语言任务提供了新的解决方案
Python★ 9.9k⑂ 789other
aristocratos
aristocratos/btop
btop：系统资源监控工具 — btop 是一个使用 C++ 编写的系统资源监控工具，用于显示系统的 CPU、内存、磁盘和网络资源使用情况。它可以帮助用户实时监控系统资源，快速发现和解决系统瓶颈。通过使用 btop，用户可以优化系统性能和资源利用率。
C++★ 33.6k⑂ 1.1kother
huggingface
huggingface/transformers
transformers：机器学习模型框架 — transformers提供了一个统一的框架，用于定义和使用最先进的机器学习模型，包括自然语言处理、语音识别和计算机视觉等领域。该框架支持PyTorch和其他流行的深度学习库，能够方便地进行模型的推理和训练。transformers的出现大大促进了机器学习模型的发展和应用。
Python★ 162.7k⑂ 33.9kai-ml
andrewyng
andrewyng/context-hub
context-hub：上下文中心库 — context-hub提供了一个简单的方式来管理和共享上下文数据，使得开发者可以更容易地构建复杂的Web应用。它通过提供一个统一的接口来访问和更新上下文数据，从而简化了应用的开发和维护。同时，context-hub也支持多种数据存储和缓存机制，提高了应用的性能和可扩展性
JavaScript★ 13.8k⑂ 1.2kweb
Genesis-Embodied-AI
Genesis-Embodied-AI/genesis-world
genesis-world：机器人与嵌入式AI学习模拟平台 — genesis-world是一个模拟平台，用于机器人和嵌入式AI的学习和研究。它提供了一个虚拟环境，用于测试和训练机器人和AI模型。该平台的开发使用Python语言，具有广泛的应用前景。
Python★ 29.6k⑂ 2.8kai-ml
BuilderIO
BuilderIO/agent-native
agent-native：构建原生应用框架 — agent-native是一个用于构建原生应用的框架，支持使用TypeScript语言开发。它提供了一套完善的工具和库，帮助开发者快速构建高性能的原生应用。agent-native的出现使得开发者可以更容易地构建跨平台的应用程序。
TypeScript★ 1.2k⑂ 122ai-ml
+147 ★
OpenRLHF
OpenRLHF/OpenRLHF
OpenRLHF：基于 Ray 的易用、可扩展和高性能的智能体 RL 框架 — OpenRLHF 框架支持多种算法，包括 PPO、DAPO、REINFORCE++、VLM、TIS、vLLM 和 Async RL，能够高效地处理大规模数据和复杂任务。该框架基于 Ray，具有高性能和可扩展性，适用于大型语言模型和视觉语言模型的训练和部署。同时，OpenRLHF 还支持从人类反馈中学习，能够提高模型的性能和鲁棒性
Python★ 9.8k⑂ 986ai-ml
harvard-edge
harvard-edge/cs249r_book
cs249r_book：机器学习系统 — cs249r_book 项目致力于机器学习系统的开发和研究，使用 Python 语言实现各种机器学习算法和模型。该项目为机器学习爱好者和开发者提供了一个学习和交流的平台。同时，cs249r_book 项目也为实际应用提供了参考和指导
Python★ 27k⑂ 3.2kother
+329 ★
fenixsoft
fenixsoft/awesome-fenix
awesome-fenix：大型分布式系统构建讨论 — awesome-fenix 项目旨在讨论如何构建一套可靠的大型分布式系统，涵盖了 architecture、cloud-native、istio、kubernetes、microservice 和 springcloud 等主题。该项目为开发者提供了一个学习和讨论的大型分布式系统构建的平台。通过 awesome-fenix，开发者可以更好地理解如何设计和实现一个可靠的分布式系统。
Vue★ 9.4k⑂ 1.1kdevops
eriklindernoren
eriklindernoren/ML-From-Scratch
ML-From-Scratch：从零开始的机器学习 — ML-From-Scratch 项目提供了从线性回归到深度学习等机器学习模型和算法的基本实现，使用 NumPy 库以确保高效性和可扩展性。该项目的目标是让机器学习变得更加容易理解和上手，尤其是对于初学者。通过从零开始实现机器学习算法，开发者可以更好地理解机器学习的底层原理。
Python★ 32.3k⑂ 5.4kai-ml
kvcache-ai
kvcache-ai/ktransformers
ktransformers：异构大模型推理与微调优化框架 — ktransformers 是一个灵活的框架，旨在优化异构大语言模型的推理和微调过程。通过该框架，用户可以更高效地利用不同硬件资源，提升模型性能。
Python★ 18.8k⑂ 1.5kai-ml
+458 ★
CyC2018
CyC2018/CS-Notes
CS-Notes：技术面试必备基础知识 — CS-Notes 项目旨在为技术面试提供必备的基础知识，涵盖了算法、数据结构、计算机操作系统、计算机网络和系统设计等方面。该项目通过提供详细的笔记和 Leetcode 题解，帮助开发者提高技术能力和面试技巧。同时，CS-Notes 项目也为开发者提供了一个学习和交流的平台
★ 184.8k⑂ 50.8kother
BVLC
BVLC/caffe
caffe：深度学习开源框架 — caffe是一个高性能的深度学习框架，支持多种神经网络架构和优化算法。它能够用于图像和语音识别、自然语言处理等领域，具有广泛的应用前景。caffe的开源性质使得开发者能够轻松地扩展和定制框架，以满足特定的需求。
C++★ 34.6k⑂ 18.5kai-ml
pjreddie
pjreddie/darknet
darknet：神经网络框架 — darknet是一个开源的神经网络框架，使用C语言实现，能够高效地运行在各种设备上。它支持多种神经网络模型，包括卷积神经网络、循环神经网络等。darknet的主要优点是其高性能和灵活性，使其成为各类机器学习任务的热门选择。
C★ 26.5k⑂ 21kai-ml
nasa
nasa/fprime
fprime：飞行软件和嵌入式系统框架 — fprime提供了一种构建和管理复杂系统的方法，使用C++语言开发，主要用于航天领域。它的设计目标是提高系统的可靠性和可维护性。通过使用fprime，开发人员可以更高效地创建和测试软件系统
C++★ 11.5k⑂ 1.7kbackend
+22 ★
Comfy-Org
Comfy-Org/ComfyUI
ComfyUI：强大的扩散模型GUI和后端 — ComfyUI提供了一个用户友好的界面来管理和操作扩散模型，支持PyTorch和Stable Diffusion等流行的AI框架。它的模块化设计使得开发者可以轻松扩展和定制。ComfyUI的图形/节点接口使得用户可以直观地构建和管理复杂的AI模型
Python★ 121.4k⑂ 14.3kai-ml
calcom
calcom/cal.diy
cal.diy：开放式日程安排基础设施 — cal.diy 是一个使用 TypeScript 编写的开源项目，提供了一个强大的日程安排基础设施，支持多种技术栈，包括 Next.js、PostgreSQL、Prisma 等。它的设计目标是为所有人提供一个易于使用和扩展的日程安排解决方案，从而提高生产力和效率。通过使用 cal.diy，开发者可以快速构建自己的日程安排应用程序。
TypeScript★ 46.6k⑂ 14.5kweb
dyc87112
dyc87112/SpringCloud-Learning
SpringCloud-Learning：Spring Cloud基础教程 — SpringCloud-Learning提供了一个全面且易于理解的Spring Cloud教程，涵盖了consul、eureka、hystrix、nacos、rabbitmq、ribbon、sentinel、spring-boot、spring-cloud、stream、zipkin和zuul等多个重要组件和技术。这个项目对于想要学习和掌握Spring Cloud的开发人员来说非常有价值。同时，项目的持续更新也能让开发人员随时了解到最新的技术发展
Java★ 7.4k⑂ 2.9kother
google-research
google-research/timesfm
timesfm：时间序列预测模型 — timesfm 是由 Google Research 开发的预训练时间序列基础模型，用于时间序列预测。它可以帮助用户更好地预测和分析时间序列数据。通过使用 timesfm，用户可以获得更准确的预测结果和更深入的数据洞察
Python★ 24.6k⑂ 2.3kother
+433 ★