1024house开源项目 – 开源程序员的舒适居所

1024house是一个开源程序员客栈，致力于碰撞开源与商业的火花，通过提供优质的住宿服务和高端工作环境，创造价值以改变世界。

1024house的特点:

1. 小米汽车接送
2. 免费住数天
3. 长住低至1024元/月
4. 每人配备34+英寸显示器
5. 人体工学座椅
6. WiFi 7漫游
7. 开源贡献可换免费住宿
8. GitHub徽章越多，免费天数越多

1024house的功能:

1. 程序员可以享受舒适的居住环境
2. 通过开源贡献获得免费住宿
3. 使用提供的高端设备进行工作
4. 利用汽车接送服务提高出行便利性

相关导航

Awesome-Rust-Neural-Network开源项目 – 与神经网络相关的Rust项目集合

这是一个精心策划的Rust项目集合，涉及神经网络相关内容，旨在补充《我们学到了什么》。

JetStream开源项目 – 专为XLA设备优化的LLM推理引擎

专为XLA设备优化的LLM推理引擎，针对TPU和GPU进行了吞吐量和内存优化，支持JAX和PyTorch模型，提供完整的服务部署方案。特别适合在Cloud TPU VM上进行在线推理，可用于Gemma等大模型的高效部署。

Heat开源项目 – 大语言模型桌面及手机版客户端

Heat是一个基于Ollama的大语言模型客户端，支持桌面和移动设备，提供用户友好的界面和多语言支持。

gen开源项目 – 通用的Go函数库

一个通用的Go函数库，旨在替代多个类型之间重复的代码，并提供功能的通用接口。

sense开源项目 – 增强应用程序的动作识别能力

面向动作识别的神经网络推理引擎，增强您的应用程序，使其能够通过任何RGB相机看到和与人类互动。

Visual-Thinker开源项目 – 让大语言模型学会看图思考

Visual-Thinker 是一种新方法，旨在让大语言模型具备理解视觉信息的能力。通过纯文本描述迷宫等复杂场景，模型能够自主规划路径，并在遇到困难时学会“重启”。该方法通过GRPO优化显著提升了模型的性能，使其在路径规划等任务中表现优异。

MolE开源项目 – 化学基础模型

MolE是一个面向化学的基础模型，结合几何深度学习和Transformer架构，用于学习分子的有意义表示。该模型通过两步预训练过程：首先使用约8.42亿分子的图表示进行自监督学习，然后进行大规模多任务训练来整合生物信息。MolE可用于分子性质预测、分子嵌入计算和相似性搜索等任务，广泛应用于药物发现和化学信息学研究。

LLaVA C++ Server开源项目 – 简单API服务器，用于LLaVA的C++实现

LLaVA C++ Server 是一个用于LLaVA模型的高效推理的API服务器，旨在提供简单易用的接口，兼容多种平台与环境，支持模型的动态加载与卸载，并优化内存管理和性能。

PRAG开源项目 – 提升语言生成质量的参数化检索增强方法

PRAG（Parametric Retrieval-Augmented Generation）是一种新型的参数化检索增强生成方法，旨在让大语言模型更高效地利用外部知识，提升生成质量。该方法通过深度整合外部知识到模型参数中，避免了大上下文窗口带来的计算开销，显著提升了推理能力。PRAG提供了完整的实现代码和预处理数据集，涵盖从数据增强到推理的全流程，使用户能够快速上手并应用于实际场景。

grpo_unsloth_docker开源项目 – 本地轻松运行GRPO策略训练

grpo_unsloth_docker项目旨在帮助用户在本地轻松运行GRPO策略训练，无需复杂配置即可感受AI策略优化的魅力。该项目基于Unsloth团队的优秀工作，提供了简洁的Makefile命令，使用户能够快速启动和停止训练环境，特别适合在本地单GPU上进行策略训练。

大模型系列知识整理开源项目 – 大模型全方位知识库

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。

FreeTumor开源项目 – 肿瘤合成与分割的基线工具

FreeTumor是一个大规模合成和分割肿瘤的基线工具，旨在帮助医学研究者扩展肿瘤分割数据集。该工具支持多种肿瘤类型，包括肝、胰腺、肾肿瘤以及COVID-19，具有高效的数据处理能力，适用于医学研究人员和数据科学家。