跨模态因果干预实现鲁棒可信的事件级问答推理-创新性因果驱动的事件级问答推理

Nanbeige-16B（南北阁-16B）是南北阁大模型实验室研发的160亿参数规模的大语言模型，采用了2.5T Tokens进行预训练，数据包含大量互联网高质量语料、各类书籍、代码等领域脱敏文本，在各个权威测评数据集上都取得了不错的效果。本次发布包含有 Base、Chat 以及扩展上下文长度的 Base-32k、Chat-32k 版本。

GPT-2 是 OpenAI 发布的一个强大的自然语言处理模型，能够执行多种任务，如文本生成、翻译、摘要和问答等。

一个用于搭建类似Perplexity的问答引擎的项目，结合了多种先进的技术和模型。

gpt_index是一个简单方便的工具，旨在将各种文本数据（如pdf、epub等）与ChatGPT整合，以便用户能够基于文本内容进行问答。该工具支持多种文本格式，并且易于使用，适合快速搭建AI问答应用，同时提供Google Colab Notebook以便于用户配置和使用。

该项目是一个专注于提升大语言模型（LLMs）在测试阶段性能的资源集合，基于调查论文《Test-time Computing: from System-1 Thinking to System-2 Thinking》。项目提供了从直觉思维（System-1）到理性思维（System-2）的过渡方法，帮助模型在新任务中更好地适应和推理。项目包括论文、代码、基准测试和开源框架，并定期更新，为研究人员提供了丰富的参考资料和实用工具。

讯飞星火大模型是由科大讯飞推出的新一代认知智能大模型，具备跨领域的知识和语言理解能力，能够基于自然对话方式理解与执行任务。该模型支持多模态能力，涵盖语言理解、知识问答、逻辑推理、数学问题解决、代码理解与编写等多种功能，适用于多种场景。

Video-R1是一个为视频理解任务带来超强推理能力的多模态大模型。它首次在视频理解领域实现了准确率和推理长度的双重提升，使用7B参数模型，训练900步仅需10小时。通过强推理数据集的助力，Video-R1能够涌现出深度思考能力，为视频理解任务提供了强大的支持。

XAIstream是一个专为实时AI处理设计的开源框架，为开发者提供构建低延迟智能系统的工具。它支持流式数据的高效处理，适用于动态场景下的模型应用。通过流式计算、推理加速、动态调度、硬件适配和接口支持等功能，XAIstream能够帮助开发者在各种实时场景中高效地应用AI技术。

FlowMind是一个专为思维导图生成设计的开源框架，为开发者提供构建智能结构化工具的平台。它支持从文本到导图的自动化转换，提升信息整理效率。通过NLP技术提取关键信息结构，自动构建层次化思维导图，并支持导图样式与内容的调整。此外，FlowMind还提供高效的文本到图转换工具，兼容多种导图文件格式，适用于知识整理、教育支持和项目规划等多种场景。

pykan 是一个基于 Kolmogorov-Arnold 表示定理的 Python 库，旨在替代传统的多层感知器 (MLP)，提供更高的模型准确性和可解释性。它特别针对科学研究优化，能够在物理和数学领域解决复杂问题，如识别相关特征、揭示模块结构、发现符号公式等。pykan 通过使用非线性边缘函数和样条函数参数化，能够表示更复杂的曲线并进行细致的调整，从而在数据拟合、PDE 求解等任务中表现出色。

Deep Lake 是一个专为AI数据管理设计的开源框架，提供简单易用的API，支持创建、存储和协作处理任何规模的AI数据集。它作为深度学习的数据湖，使用户能够构建、管理、查询、版本控制和可视化数据集。此外，它还支持将数据实时流式传输到PyTorch和TensorFlow等深度学习框架。Deep Lake 还特别优化了多模态数据的存储与查询，进一步提升了模型训练流程的效率。

一个开源框架，专为大型语言模型提供高级推理能力，支持数据生成、策略训练和多种搜索策略，让机器更聪明地理解和解决问题。

GrokTune是一个专为模型微调设计的开源框架，旨在为开发者提供高效优化AI模型的工具。它支持快速调整预训练模型以适配特定任务，从而显著降低开发成本与时间。框架内置了多种功能，包括参数微调、数据处理、训练加速和模型评估等，确保用户能够高效地进行模型优化。

MiniGPT4-Video是一个专为视频理解而设计的多模态大模型，能够同时处理时态视觉数据和文本数据，善于理解视频的复杂性，适用于多种视频内容的分析和处理任务。

LMFlow是一个专为语言模型工作流设计的开源框架，提供优化开发与部署过程的工具，支持从训练到推理的全链路管理，提升语言任务的效率。它具有可扩展的架构，支持大规模机器学习模型的高效微调和推理，并提供用户友好的界面进行模型管理。

XAIformers是一个专为Transformer模型优化设计的开源框架，旨在提升模型性能。它通过精简计算与内存管理，支持高效训练与推理任务。平台以性能优化和灵活性为重点，开源社区协作紧密，文档结构清晰，非常适合需要在Transformer应用中实现专业优化的开发团队。

Semantic Kernel 是一个轻量级的开源框架，通过 Semantic Kernel 您可以快速使用不同编程语言(C#/Python/Java)结合 LLMs(OpenAI、Azure OpenAI、Hugging Face 等模型)构建智能应用。

XAIreason是一个专为推理任务设计的开源框架，为开发者提供构建逻辑性强AI系统的工具，通过增强模型的推理能力，支持复杂问题的高效求解。它具备推理引擎、知识整合、模型优化、可视化支持和兼容性强等特点，适用于决策系统、知识问答和透明AI等多种场景。

OpenCompass是一个专为AI模型评测设计的开源框架，旨在提供全面客观的性能评估工具。它支持多种语言模型的标准化测试，帮助开发者深入了解模型能力与局限。