SLABIM开源项目 – 结合SLAM与BIM的开源数据集

VideoPainter是由腾讯ARC团队推出的支持任意长度视频修复与编辑的工具。它突破了传统技术的限制，支持通过文字指令实现视频编辑，可以添加、删除、更改、替换视频中的对象。该工具采用即插即用的双分支框架，一个分支通过背景上下文编码器处理背景信息，确保背景自然；另一个分支专注生成前景物体，实现背景与前景的协调统一。此外，VideoPainter还提供了超过39万条带精确分割掩码的视频数据，助力大规模训练与评估。

SkyReels-V1是昆仑万维开源的首个以人为中心的视频生成模型，具备电影级画质，支持多种面部表情和自然动作组合。该模型使用好莱坞级影视数据进行训练，具有专业的构图和摄影效果，并采用自研的数据清洗和标注流程。它能够处理多人场景中的空间关系，支持文本生成视频(T2V)和图像生成视频(I2V)，并且支持多GPU推理和用户级GPU部署。

Parseltongue 是一款创新的开源浏览器扩展程序，专为高级文本处理和可视化而设计。它为了解大型语言模型 (LLM) 的认知过程提供了独特的视角。

一个开源项目，旨在实现 OpenAI O1 模型系列的简化版本，专注于通过链式思维和强化学习解决算术问题。该项目结合了最新的技术，使得用户能够更加高效地解决算术问题，并且通过强化学习不断提升模型的表现。

这是一个基于 ESP32 的 AI 聊天机器人项目，旨在提供智能对话和互动体验。该项目利用 ESP32 硬件平台，支持语音识别和合成，能够与用户进行自然语言对话，具备多种对话场景和功能，并且代码开源，易于修改和扩展。

该课程包含人工智能可解释性分析领域的导论、算法综述、经典论文精读、代码实战和前沿讲座，由B站知名UP主“同济子豪兄”主讲，课程视频免费开源。

FlashMLA是专为Hopper架构GPU设计的高效MLA解码内核，特别针对可变长度序列服务进行了优化。它结合了FlashAttention 2&3和cutlass两个加速项目的技术，显著提升了H800 GPU的计算性能。支持BF16精度，采用块大小为64的分页kvcache，使用CUDA 12.6，在H800 SXM5上实现了高达3000 GB/s的内存带宽和580 TFLOPS的计算性能。

cdebug 是一个专为容器调试设计的万能工具包，支持多种容器运行时，提供丰富的调试工具，易于集成到现有工作流，并且支持多种操作系统。它轻量级且高效，能够帮助开发者快速诊断和解决容器中的问题。

Ninja Keys 是一个为网站提供键盘快捷键接口的工具，兼容静态HTML、Vanilla JS、Vue、React和Svelte等多种技术栈，旨在通过快捷键提升用户体验和操作效率。

PyTorch Geometric (PyG) 是一个基于PyTorch的图神经网络（GNN）库，旨在简化图结构数据的深度学习任务。它提供了丰富的GNN模型，支持大规模图和异构图，广泛应用于化学、生物信息学、自然语言处理和社交网络分析等领域。PyG具有易于使用的API，支持多GPU、`torch.compile`和`DataPipe`，并提供了大量常见基准数据集和有用的转换工具。

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。

Llama Stack 是一个开源项目，旨在将 LLM 应用构建生成周期的所有组件打包，包括训练、微调、产品评估、观测、Agent & Memory、合成数据生成等，并支持 9+ 提供商。

Awesome-LLM-Judges是一个一站式LLM Judges工具大集合，旨在为AI模型的自动评估提供全面解决方案。该项目汇集了30+前沿LLM Judges研究论文，涵盖多种评估场景，如辩论、安全、幻觉检测等。此外，它还提供了开源库Verdict，方便用户快速实现论文中的方法。

Nano是一个自制的168M大语言模型，具备完整的模型结构和多种推理方式，适用于多种场景的AI应用。

markovify是一个简单且可扩展的Python库，用于生成基于马尔可夫链的文本。它支持从给定的文本语料库中生成随机句子，能够高效处理大规模文本数据，并提供了自定义状态大小和权重的选项。