香港大学黄超教授实验室开源的全自动个人AI助理，作为OpenAI Deep Research的开源替代方案，以不到1美元的超低价赋予用户强大的全自动化研究能力。该项目支持多种语言模型，无缝对接OpenAI、Anthropic等，具备卓越的性能和全自动化研究能力，自主搜索和分析互联网海量信息，精准处理复杂编程任务，自动解析PDF文件，并生成可视化报告。在全球通用AI助手的评测中高居第三，是低成本、高效的AI研究工具。

AI Financial Agent是一款专为投资研究设计的AI金融助手，旨在探索人工智能在金融投资领域的应用。它提供实时和历史股票数据，覆盖30年金融市场，并集成Chat功能，助力金融研究和股票分析。此外，它还支持一键部署，帮助用户轻松搭建个人金融分析平台。

GamingAgent 是一个专注于开发和测试AI Agent的项目，特别适用于经典游戏如超级玛丽和俄罗斯方块。它支持多种AI模型的接入和测试，能够评估和比较不同模型在游戏中的表现，并提供详细的测试基准和结果分析。此外，GamingAgent 还支持多种经典游戏，具备智能决策能力，能够根据不同模型的特点进行优化，适用于研究、开发、教育和演示等多种场景。

Proxy Lite是一个仅3B参数的轻量级、开源视觉语言模型(VLM)，专为网络自动化设计。它通过观察、思考和工具调用三个步骤响应任务，并借助类似DeepSeek R1的执行反馈机制进行学习。项目提供了全面的VLM-浏览器交互框架，支持本地运行和云端调用两种模式，适用于企业级浏览器控制和广泛的自动化任务。

TiZero 是一个基于课程学习和自我对弈的多智能体足球游戏训练工具，适用于多智能体强化学习研究和足球游戏的策略优化。

Rowfill 是一个开源的文档处理平台，专为知识工作者设计。它提供高精度的OCR技术，能够从复杂的文档中提取文本、表格和手写内容。此外，Rowfill 支持自动化工作流，用户可以轻松创建定制化的任务处理流程。平台还支持本地LLM（大型语言模型），在保护用户隐私的同时，享受AI的强大能力。

NobodyWho是为Godot游戏引擎设计的本地LLM交互插件，旨在让游戏中的角色和故事更加生动。该插件支持本地运行LLM，无需联网，保障用户隐私，并通过GPU加速显著提升推理速度。仅需两个节点即可启动，使用简单方便。

Agent Leaderboard是一个专门为AI Agent任务设计的语言模型排行榜，旨在精准评估不同语言模型在复杂场景下的工具使用能力。该项目涵盖了21个领域和390个API交互场景，采用Tool Selection Quality（TSQ）作为核心指标，量化工具选择质量，并评估了12种私有模型和5种开源模型。

ThinkDiff是一个创新的扩散模型，通过将视觉语言模型与大型语言模型解码器对齐，简化了训练过程，并显著提升了生成图像的质量和多模态上下文推理能力。该项目在CoBSAT基准测试中取得了显著的准确率提升，仅需5小时训练，且仅使用普通图像-文本对进行训练，无需复杂的多模态数据集。

node-DeepResearch 是一个深度研究型的AI搜索工具，能够持续搜索和阅读网页，直到找到答案或超出token预算。该项目由Jina AI开源实现，使用gemini进行LLM操作，brave作为搜索引擎，jina reader用于阅读网页。其实现原理是在一个循环中进行搜索、阅读和推理，直到找到答案。

AutoNode是一款神经图形自学习引擎，专注于认知GUI自动化。它集成了OCR和YOLO模型，能够自动化网页交互和数据提取过程。通过自定义站点图谱，AutoNode实现了程序化导航和交互，适用于多种平台和应用程序。

DeepScaleR-1.5B是一个基于DeepSeek-R1论文，使用GRPO持续训练的1.5B参数模型。其数学水平达到了与OpenAI-o1-preview相当的水平。由于模型较小且仅在专一领域训练，其他方面表现不佳。该项目主要用于数学相关任务，并作为小型模型的参考案例，同时研究GRPO训练方法的效果。

gym-aloha是一个专为ALOHA环境设计的Gymnasium工具包，旨在提高机器人学习和训练的效率和趣味性。它提供了丰富的功能，支持多种任务模式和观测数据，特别适合基于强化学习的机器人训练。

Video Dataset Scripts 是一个专为视频生成模型微调设计的小规模数据集构建工具。它提供了视频处理模块，帮助用户高效准备数据。该项目持续更新，未来计划加入年龄检测和场景分类功能，进一步扩展其应用范围。

Huggingface 整理并发布了关于 Deepseek R1 的所有重要内容和社区工作，包括评估分数复现、训练管道复现、合成数据生成流程、重要人物对 R1 模型的表态以及尝试复现 R1 的开源项目。该项目旨在为研究人员和开发者提供一个全面的资源，以便更好地理解和复现 Deepseek R1 模型。

DeepSeek LLM 是一个专注于长期主义的开源语言模型项目，旨在通过扩展和优化现有模型来提升自然语言处理的能力。该项目支持大规模语言模型的训练，并致力于在长期发展中保持模型的先进性和实用性。

Phantasm 是一个为AI工作流实时监控与指导提供‘人在回路’审批层的开源工具。它通过Web界面实时管理审批流程，支持多语言客户端，能够快速集成到任何AI框架中，帮助用户创建人类在环（HITL）工作流，并实时监控AI工作流的执行情况。

FastGPT是一个企业级知识库系统，支持RAG+LLM的私有化部署方案，具有高准确率的文档解析和快速的问答响应时间。它采用混合检索引擎，结合BM25关键词和ColBERT语义搜索技术，提供高效的信息检索能力。此外，FastGPT还提供了操作流设计，允许用户可视化构建数据处理链路，并支持多模型兼容，可以灵活切换本地或云端的AI大模型。

MHA2MLA项目通过实现DeepSeek的多头潜在注意力机制（MLA），旨在使任何基于Transformer的大型语言模型（LLM）的推理过程更加经济高效。该项目支持多种Transformer架构，结合FlashMLA框架，理论内存节省可达80%以上，显著降低GPU内存占用。

BodyShapeGPT是一个通过文字描述生成逼真3D人体模型的工具，利用LLM技术，仅需文本输入即可生成高精度的3D人体模型，支持SMPL-X模型，提供21,000条文本描述与模型参数数据，助力深度学习与优化，让虚拟角色定制化变得前所未有的简单。

Awesome-LRM-Safety是一个专注于收集大型推理模型（LRM）安全相关研究的精选资源库。它涵盖了热门模型如DeepSeek-R1和OpenAI o1的安全性，提供最新arXiv论文的自动更新，内容涉及安全风险、缓解策略和伦理问题。项目还涵盖多个关键领域，如自动驾驶、医疗保健和金融安全，为研究人员、开发者和教育机构提供全面的资源支持。

ragas是一个专门用于评估检索增强生成(Retrieval Augmented Generation，RAG)性能的框架。它基于最新的研究提供工具，帮助用户评估语言模型生成的文本，并提供有关RAG管道性能的深入洞见。

NSA是一种硬件适配且可原生训练的稀疏注意力机制，专为超快速长上下文训练与推理设计。它通过动态分层稀疏策略、粗粒度词元压缩和细粒度词元选择等技术，显著加速推理过程并降低预训练成本。NSA在现代硬件上进行了优化，适用于通用基准测试、长上下文任务及基于指令的推理任务，表现出色。

FP4 训练是一种创新的深度学习训练方法，能够在保持与FP8和BF16相当精度的同时，扩展到13B大小的模型。与传统方法不同，FP4 训练在2.4B后不会崩溃，适用于大规模模型的训练，并能显著提高训练效率，减少计算资源消耗。

wdoc是一款强大的文档查询与总结工具，旨在一站式解决海量异构文档的检索与分析问题。它支持多种文件类型，结合LLM技术，能够高效处理数万份文档，并提供深度总结功能，帮助用户快速理解文档的核心逻辑与思路。

Kura 是一款基于语言模型的用户行为分析工具，旨在帮助用户深入理解用户行为，同时确保不泄露个人隐私。它通过递归聚类和自定义元数据提取等功能，满足个性化需求，并且是开源的，可以自由应用于各类数据。

Audiobook Creator 是一款将文字转换为有声书的工具，支持 EPUB、PDF、TXT 格式的书籍，能够一键转换成多角色配音的有声书，利用 NLP 和 LLM 技术智能识别角色并分配声音，提供单声道和多声道配音模式，支持多种输出格式，如 M4B、MP3 等，让阅读体验更加生动。

SuperGPQA是字节的豆包团队推出的评测项目，旨在为大语言模型（LLM）提供全面的研究生级学科评估框架。该项目覆盖285个研究生学科，通过创新的人机协作过滤机制确保题目高质量，并提供详细的模型性能对比，助力模型优化。

腾讯混元Turbo S是腾讯推出的新一代快思考模型，已在腾讯元宝上灰度上线。该模型在知识、数理、创作等多个领域表现出色，具有快速响应能力，同时大幅降低了部署成本，推动了大模型应用的普及。

OmniParser-v2.0是微软推出的Windows操作大模型，能够识别桌面和窗口元素，并与其他大语言模型集成，实现AI操作操作系统。该项目推动了AI Agent向完全自动使用电脑的方向发展，支持复杂的自动化任务，并完善自动化流程。