UniTok是一个专为视觉生成与理解任务设计的统一视觉词元化器，能够高效地将视觉信息转化为token，适用于多种自回归生成模型和多模态理解模型。通过256个token即可实现低至0.39的rFID指标，生成效果出色。从零开始训练的模型在ImageNet零样本准确率上达到70.5%，表现优异。

EvalScope 是一个一站式大模型评估与性能基准测试框架，旨在让模型评估变得高效且个性化。它支持多种模型类型，包括大语言模型、多模态模型和嵌入模型，并提供多种评估场景，如端到端RAG评估、竞技场模式和推理性能测试。此外，EvalScope 内置了丰富的基准测试和指标，如MMLU、CMMLU和GSM8K，帮助用户全面评估模型性能。

Namo-R1是一款仅需CPU即可实时运行的500M参数视觉语言模型，能够轻松超越Moondream2和SmolVLM。它不仅支持多语言OCR和图像描述等复杂任务，还完全开源，提供训练脚本和数据，便于用户进行二次开发和部署。

AgentScript是一个基于AST（抽象语法树）的代码执行引擎，专为AI代理设计，提供可暂停和恢复的工作流、工具级状态管理以及增强的可观测性。它通过代码生成实现更高效的任务规划，支持在代码执行过程中暂停和恢复，便于工具调用和人类干预。此外，AgentScript还提供了丰富的状态管理和调试功能，帮助开发者更好地监控和调试代码执行过程。

Markdownify是一个基于模型上下文协议（MCP）的服务器，能够将多种文件类型（如PDF、图像、音频、文档、表格、PPT等）以及网页内容（如YouTube视频、Bing搜索结果）转换为Markdown格式。它操作简单，支持开箱即用，适合需要将复杂内容快速转换为Markdown格式的用户。

AI-deadlines 是一个专注于帮助研究者轻松掌握顶级AI会议投稿截止日期的工具。它汇集了NeurIPS、ICLR等顶级AI会议的投稿截止日期，界面简洁，一目了然。该工具自动更新数据，确保信息实时准确，帮助研究者合理安排投稿时间，避免错过重要截止日期。

Cherry Studio 是一款开源的桌面客户端，支持多个大语言模型（LLM）服务商，兼容 Windows、Mac 和 Linux 系统。新版提供了联网搜索能力，目前接入的是Travily的搜索服务。它支持主流 LLM 云服务，集成流行 AI Web 服务，支持本地模型部署，内置 300+ 预配置 AI 助手，并支持自定义创建专属助手。此外，它还支持多种文件格式管理、WebDAV 文件管理与数据备份、Mermaid 图表可视化、代码高亮显示、全局搜索功能、话题管理系统、AI 驱动的翻译功能、拖拽排序以及小程序支持。

P2L是一个基于AI模型的竞技场系统，通过用户输入的提示生成专属排行榜，并自动选择表现最强的模型进行回复。它结合了AI路由器功能，能够根据问题将请求转发给最适合的大模型，从而提高回答的准确性和效率。P2L还支持查看模型在特定领域的表现和不擅长的领域，帮助用户优化模型性能。

Diffusionstudio Agent是一个面向视频编辑的框架，旨在通过人工智能技术赋予编辑过程更多自主性，使视频创作变得像说话一样简单。该框架支持自然语言指令，用户可以直接用文字描述生成视频，同时具备强大的文档搜索功能，能够快速找到所需素材。此外，Diffusionstudio Agent是开源免费的，用户可以轻松上手并在开源社区中贡献代码或获取支持。

该项目通过一系列文章，从大模型的底层原理、实现方法到具体应用进行了全面整理，部分内容为采编，非全部原创，旨在为读者提供系统的大模型学习资源。

Spark-TTS 是一款基于 Qwen2.5 模型的高效文本转语音（TTS）系统，支持细粒度语音控制和零样本语音克隆。该系统在多个基准测试上超越现有 TTS 方法，结合 Qwen2.5 LLM 进行端到端生成，采用 BiCodec 编码简化架构并提升推理效率。Spark-TTS 支持中英双语，允许用户通过文本描述语音风格，生成全新的虚拟声音，并在零样本情况下克隆语音，生成高质量个性化声音。

3FS（Fire - Flyer文件系统）是专门为AI工作负载优化的高性能分布式文件系统，利用现代SSD和RDMA网络的全部带宽，实现快速数据访问。在180节点集群中，聚合读取吞吐量能达到6.6TiB/s，25节点集群GraySort基准测试的吞吐量为3.66TiB/分钟，每个客户端节点的KVCache查找峰值吞吐量超过40GiB/s。它处理大型数据集时确保跨计算节点的一致性，并且是开源的，致力于实现高性能AI存储的民主化。

MoBA（Mixture of Block Attention）是一种新型注意力机制，旨在提高大型语言模型（LLM）处理长文本上下文的效率和性能。它结合了稀疏注意力机制和块操作，通过将长文本分成多个块进行处理，减少了计算量。MoBA支持1M上下文长度，并采用参数无偏的Top-k门控机制，精准筛选关键信息。此外，MoBA可以无缝切换全注意力与稀疏注意力模式，在性能与效率之间取得平衡。MoBA兼容Transformer架构，可以替代标准注意力机制，嵌入现有Transformer模型中，提升长文本的处理效率。

PEFT 是 HuggingFace 开源的一个高效微调库，旨在通过仅微调模型的一小部分参数（通常不到模型参数量的1%），实现与完全微调相似的性能，同时显著降低计算和存储开销。它支持多种微调策略，如适配器（Adapters）、低秩适应（LoRA）等，并且兼容多种预训练模型架构，如 BERT、GPT、T5 等。PEFT 还提供了模块化设计，易于集成到现有的 HuggingFace 模型和训练流程中。

AgentQL是一款AI驱动的网页查询语言，旨在简化数据抓取和自动化任务。它通过自然语言选择器轻松定位网页数据，具备查询自愈功能，即使UI发生变化也能继续工作。AgentQL支持跨站点查询，显著提升数据收集效率，并允许用户定义结构化数据输出，适用于开发者和数据科学家。

百川智能开发的首个专为医疗场景优化的开源大语言模型，旨在通过先进的技术手段助力医疗领域的智能化升级。该模型经过20万亿token高质量数据的训练，具备卓越的性能，尤其在医疗推理能力上提升了5倍，能够精准高效地处理复杂的医疗任务。此外，其创新的模型结构使其在长序列任务中表现更为出色，能够更好地应对医疗数据中的长序列问题。

CM6_COBOT_ROBOT是一款开源的六轴协作机械臂，专为机器人爱好者和研究人员设计，提供了一个低成本、高性能的实验平台。该项目采用模块化设计，易于组装和修改，使用Spectral微驱动器，成本低且软件支持良好。项目提供了详细的组装手册和开源代码，帮助用户快速上手，适合用于机器人实验、研究以及教育领域的教学。

Frpc-Desktop 是 GitHub 上一款基于 Frp 的跨平台桌面客户端，提供简洁的可视化配置界面，支持所有 Frp 版本，帮助用户轻松实现内网穿透。它兼容 Windows、macOS 和 Linux 系统，适用于多用户环境，支持开机启动、快速分享 frps 配置、批量管理端口等功能。

Search-R1 是一个基于 veRL 的高效、可扩展的强化学习（RL）训练框架，专门用于训练推理和搜索引擎调用交错的大型语言模型（LLM）。它通过规则化奖励机制，使基础 LLM 能够自主发展推理和调用搜索引擎的能力，并提供详细的安装指南和快速入门教程，支持使用自定义数据集和搜索引擎。

kcores-LLM-Arena是一个开源平台，专门用于评测和比较不同大型语言模型（LLM）的性能。它提供了详细的评测报告、测试用例和结果分析，支持多种语言模型的对比，并定期更新最新的评测数据。该平台不仅适用于学术研究和开发者优化模型，还可用于教育目的和社区贡献。

cursor 是一个用于创建全局代理规则的工具，允许AI在每次有新文件创建时自动运行bash脚本。该工具主要用于维护全局文件目录结构或执行其他自动化任务，具有高度可定制化的特点。

LLMAIx是一款基于本地语言模型（LLM）的强大工具，专为文档信息提取与匿名化设计。它支持多种文件格式，包括pdf、png、jpg、txt等，并提供JSON Schema支持，方便用户进行信息结构化处理。此外，LLMAIx还兼容OpenAI API，具有高度的灵活性和扩展性，适用于各种文档处理需求。

Learning English 是一个集成了多种优质英语学习资源的项目，专注于提升听说读写等核心技能。项目持续更新，涵盖语法、词汇、听力、口语等多个方面，适合各级英语学习者、自学者和教育工作者使用。无论是为了提升日常英语水平，还是为工作、学习或旅行做准备，该项目都提供了丰富的学习材料和工具。

PolyMind是一个多模态、函数调用驱动的LLM Web界面，专为与Mixtral 8x7B + TabbyAPI集成而设计，提供了广泛的功能。它支持使用DuckDuckGo进行互联网搜索和网页抓取，使用comfyui生成图像，通过sharegpt4v进行图像输入（通过llama.cpp的服务器），具备OCR和Yolo功能，支持使用nmap进行端口扫描，集成了Wolfram Alpha和Python解释器，并提供了用于PDF和杂文文本文件的语义搜索的RAG。90%的网页部分（HTML、JS、CSS和Flask）完全由Mixtral编写。

DeepEP是一个专为混合专家系统（MoE）和专家并行（EP）设计的通信库，提供高吞吐量和低延迟的GPU全互联内核，支持低精度运算，包括FP8格式。它是首个专为MoE模型训练与推理打造的开源EP通信库，已在GitHub开源，并且与DeepSeek-V3论文中提出的组限制门控算法相匹配，为大规模分布式AI模型训练和推理加速。

Yaak是一个基于Tauri、Rust和ReactJS构建的桌面API客户端，支持与REST、GraphQL、Server Sent Events (SSE)、WebSocket和gRPC API进行交互。它提供了强大的组织功能，允许用户将请求分组到工作区和嵌套文件夹中，并支持动态引用值，以实现请求的链式操作。

这是一个全面且前沿的资源库，汇集了视觉语言动作（VLA）、视觉语言导航（VLN）和视觉动作（VA）领域的最新研究进展。项目涵盖了2022-2025年的最新研究成果，提供了丰富的模型、基准测试和模拟器资源，旨在为研究人员提供一站式导航，助力他们快速了解领域动态。

PocketFlow是一个仅用100行代码打造的极简LLM框架，旨在让LLM（大型语言模型）自主编程成为可能。该框架设计简洁，依赖轻量，仅56KB，适合快速构建和部署LLM应用。它专注于高阶范式，帮助LLM进行高效决策，适用于轻量级LLM项目的开发和测试。

AstrBot 是一个开源的聊天机器人及开发框架，旨在提供易于使用且多平台兼容的聊天机器人解决方案。它支持多个消息平台的集成，如 QQ、QQ 频道、Telegram 和微信等，并支持多种大型语言模型（LLM）的接入，包括 OpenAI、Google Gemini、Llama 和 DeepSeek。AstrBot 具有异步和松耦合的设计，易于扩展，并支持插件功能，允许开发者轻松添加自定义功能。此外，它还具备多模态能力，如图像理解和语音转文字（利用 Whisper），并提供可视化管理面板，便于用户进行管理和配置。

PDAE是一个基于预训练扩散概率模型的无监督表示学习项目，能够高效地进行特征提取，并适用于多种数据类型的表示学习。