Zeta开源项目 – 高效构建AI模型

LLM Prompt & Model Playground 是一个让用户可以并排测试两个LLM提示、模型或配置的工具。它支持多种输入的实时测试，极大地加快了提示和模型的测试过程，并且提供了慷慨的免费使用额度。该项目由Context.ai开发。

Evoke是一个平台，允许开发者和企业在云端托管AI模型，并通过API访问，省去昂贵的云设置成本。用户可以轻松上传AI模型，并高效地进行AI应用开发。

ModularMind是一个无代码的AI构建工具，通过连接多个先进的机器学习模型，提供模块化、高效和强大的AI工作流程。用户可以通过简单的拖放画布来利用AI的强大功能，无需编码技能。

开源机器学习框架

PromptHero 是一个提供全球最佳人工智能提示的在线平台，用户可以通过其搜索和浏览与 Stable Diffusion、ChatGPT 和 Midjourney 等模型相关的提示。此外，它还为具备生成性人工智能技能的人士提供就业机会。

Power BI AI Lens是一个功能强大的工具，允许用户直接在Power BI报告中结合人工智能。它提供了多种工具和功能，利用AI能力提升数据分析，用户可以使用预构建的AI模型或创建自定义模型，生成直观的可视化和见解。

EnhanceAI是一个平台，允许用户在短短2分钟内为网站添加AI自动补全功能，提升用户体验，适用于表单、调查、文本输入等场景。只需两行代码即可集成，支持所有主流无代码工具和UI框架，轻松融入现有工作流。

Teachable Machine是一个创新的AI工具，旨在简化机器学习模型的创建和实现，使任何人都能在没有编码知识的情况下训练模型来识别图像、声音和姿势。该平台致力于让机器学习变得易于理解，适合教育工作者、学生、爱好者和专业人士，简化AI概念的应用。

Lobe 是一款免费且易于使用的应用程序，用户可以训练自定义机器学习模型并将其融入自己的应用中。它提供了可视化编程界面，支持多种任务，如图像分类、目标检测和数据分类。用户只需下载应用，收集并标记图像或数据，Lobe 会基于标记的示例自动训练模型，用户可以使用摄像头或图像来测试模型，并在改进预测后将其导出到应用中进行部署。

Lamini是一个为企业软件开发提供支持的AI驱动的LLM平台，通过生成性AI和机器学习，帮助开发者自动化工作流，简化软件开发过程，提高生产力。

DPO（Direct Preference Optimization，直接偏好优化）是一种离线优化方法，直接利用偏好数据训练策略，无需显式奖励模型。该项目是基于论文《Direct Preference Optimization: Your Language Model is Secretly a Reward Model》的参考实现，支持因果 HuggingFace 模型和自定义数据集，提供了一种无需显式奖励模型的离线优化方法。特别适合语言模型对齐任务，研究表明其在控制生成情感、摘要质量和单轮对话响应上表现不亚于或优于现有方法。

atomic_agents是一个用于构建AI Agents的模块化工具箱，旨在实现高度的可扩展性和易用性。它通过最小化和单一目的的组件设计，类似于原子设计系统中的组件，提供工具和Agents的组合以创建强大的应用。该项目基于Instructor构建，并利用Pydantic进行数据验证和序列化。

基于PyTorch的易于使用的增强学习框架，通过Lightning Fabric加速。该框架旨在提供一个简单且可扩展的强化学习算法框架，同时解耦强化学习算法与环境，使其能与任何环境一起使用。

一个针对GPT-4/3.5的第三方API反向工程库，可用作OpenAI官方包的替代。此库包含从各种网站获取的模块，并提供了基于Web的图形用户界面及方便的部署方式。

PIKE-RAG是微软开源的一个专注于提取和应用专业领域知识的增强生成系统，旨在解决传统RAG在处理专业领域知识时的局限性。该系统通过构建连贯的推理逻辑，逐步引导大型语言模型生成准确答案，适合处理深度领域知识和多步逻辑推理的场景。PIKE-RAG包含文档解析、知识提取、知识存储、知识检索、知识组织、以知识为中心的推理以及任务分解和协调等多个基本模块，并通过调整子模块，构建针对不同功能的RAG系统。已在医疗、工业制造、矿业等领域测试，显著提高了问答准确性，在HotpotQA数据集上准确率高达87.6%，在2WikiMultiHopQA上准确率为82.0%，在MuSiQue上准确率为59.6%。

DeepSeek智能数据分析和自动化处理系统是一个基于DeepSeek API构建的高效数据处理平台，支持多类型数据分析，包括文本、指标和日志等。该系统通过智能分析、自动标记和通知推送等功能，旨在提升数据处理和管理的效率。其模块化设计和可扩展架构使其适用于不同规模和需求的企业或组织。

MultiagentBench/MARBLE 是一个开源的框架，专门用于评估由大型语言模型（LLM）驱动的多Agent系统在协作与竞争中的表现。该框架支持多种LLM接口，如OpenAI，并提供共享内存机制，以优化Agent间的信息交换。其模块化设计使得用户可以轻松扩展或替换组件，从而满足不同的评估需求。

21st是为设计工程师打造的npm，汇集了最佳的shadcn UI风格React Tailwind组件、模块和钩子，帮助开发人员快速构建高质量的用户界面。

ModboX是一个旨在通过模块化和定制化来简化复杂任务的AI工具，适用于开发者、项目经理和希望增强工作流程的企业。

Digit Plexus 是一个机器人硬件平台，旨在将传感器和末端效应器集成到一个共同的平台上，为在任何机器人手中集成触觉传感器提供标准化的硬件和软件解决方案。

metaseq是一个用于训练和评估大型序列模型的框架，旨在简化和加速大规模模型的开发过程。

DataBridge Core 是一个强大的文档处理和检索系统，支持多种文件格式，提供语义搜索和文档处理功能，具有模块化设计，支持自定义解析器和嵌入模型，以及多种部署方式。

Meta 的应用强化学习团队带来了可投入生产的强化学习 AI 代理库，支持多种算法和高效的样本利用率，适用于不同的应用场景。

DeepFloyd IF 是一个模块化的项目，由一个冻结的文本编码器和三个级联的像素扩散模块组成。用户只需输入文本提示，模型便会根据输入生成高分辨率图像。

MMSegmentation 是 OpenMMLab 项目的一部分，旨在为研究人员和开发者提供一个灵活、高效且标准化的平台，用于重新实现现有方法并开发新的语义分割算法。它支持多种流行的语义分割框架，如 PSPNet、DeepLabV3、PSANet、DeepLabV3+ 等，并且具有模块化设计，允许用户通过组合不同模块来构建自定义的语义分割框架。