AgentRecSys开源项目 – LLM在推荐系统中的应用研究

AgentRecSys是一个专注于基于大型语言模型（LLM）的智能体（Agent）在推荐系统（RecSys）中的应用的前沿研究项目。该项目汇集了超过30篇最新学术论文，涵盖LLM在推荐系统中的多种创新应用，提供了详细的模型分类和研究方向，帮助研究者快速定位。部分模型附带开源代码，便于实践和复现。

AgentRecSys的特点:

1. 汇集了超过30篇最新学术论文，涵盖LLM在推荐系统中的多种创新应用
2. 提供了详细的模型分类和研究方向，帮助研究者快速定位
3. 部分模型附带开源代码，便于实践和复现

AgentRecSys的功能:

1. 用于研究LLM在推荐系统中的最新应用
2. 帮助研究者快速定位相关模型和研究方向
3. 提供开源代码，便于实践和复现模型

相关导航

Awesome-RL-based-LLM-Reasoning开源项目 – 强化学习提升大模型推理能力

这是一个专注于通过强化学习（RL）提升大语言模型（LLM）推理能力的资源库。它旨在帮助研究人员和开发者快速掌握RL与LLM结合的最新进展，并提供解决如何通过RL提升LLM推理能力的实用资源。资源库汇集了最新的相关论文、幻灯片和开源项目，涵盖多种RL方法和LLM推理优化技巧，同时提供丰富的学习资源和实践案例，助力学习者和实践者深入理解并应用RL与LLM的结合。

folder-explorer开源项目 – 文件目录分析与可视化工具

folder-explorer 是一款用于分析和可视化文件目录结构的工具。它能够深入分析文件目录，统计数据，并以树形结构和图表的形式展示结果。此外，用户还可以将分析结果导出为多种文件格式，以便长期保存和进一步处理。

SWE-RL开源项目 – 强化学习增强软件工程推理能力

SWE-RL是Meta发布的第一个使用强化学习（RL）专门用于增强大型语言模型（LLM）处理现实世界软件工程（SE）能力的RL方法。该项目专注于垂直细分领域的RL推理大模型，具有处理GitHub上issue问题、软件代码生成和项目bug修复等能力。通过开源软件演进数据和基于规则的奖励机制，推动大型语言模型推理能力的强化学习项目。

ollama-for-amd开源项目 – 支持AMD显卡的大模型运行工具

ollama-for-amd 是一个开源的魔改版 Ollama，基于官方 Ollama 进行修改，特别增加了对多种 AMD 显卡的支持。它能够快速启动并运行 DeepSeek、Llama 3、Gemma 等大模型，为用户提供高效的模型推理和交互体验。

AgentEvals开源项目 – 一站式代理性能评估工具

AgentEvals 提供了一站式解决方案，专注于代理轨迹评估，支持多种评估工具，如代理轨迹和图轨迹评估。它兼容 Python 和 TypeScript，适应不同的开发环境，并与 LangSmith 集成，便于实验跟踪和结果管理。

Open Interpreter-通过终端接口与GPT官网 – 4交互

Open Interpreter是一个开源项目，允许语言模型在你的计算机上运行代码以完成各种任务。用户可以通过类似ChatGPT的终端界面进行操作。

captcha-break开源项目 – 基于图像处理和OCR的验证码破解工具

captcha-break是一个基于opencv2、tesseract-ocr和机器学习算法的验证码破解工具。它通过图像处理和光学字符识别技术，结合机器学习算法提高准确性，旨在破解各种类型的验证码挑战。该项目是开源的，并在GitHub上提供，鼓励社区贡献。

Kolmogorov-Arnold Q-Network (KAQN)开源项目 – 将KAN应用于强化学习的初步实验

Kolmogorov-Arnold Q-Network (KAQN) 是一个将Kolmogorov-Arnold Network (KAN) 应用于强化学习领域的项目，旨在通过结合Q-Network和KAN的原理，探索其在强化学习任务中的有效性。该项目目前处于初步实验阶段，目标是研究和开发新的强化学习算法。

E2B官网 – 安全高效的AI代码执行平台

E2B是一个开源平台，旨在通过安全沙箱简化AI生成代码的解释和执行过程，增强Python和JavaScript/TypeScript环境的能力，适合开发者和AI爱好者使用。

Depth Anything V2开源项目 – 单目深度估计的强大基础模型

Depth Anything V2 是一种单目深度估计的强大基础模型，显著改善了细节刻画和鲁棒性。它提供更快的推理速度、更少的参数和更高的深度精度，适用于各种单目深度估计应用。项目提供了四种不同规模的预训练模型，支持图像和视频的深度估计，并且可以通过 Transformers 和 Apple Core ML 进行便捷的使用。

Wan2GP开源项目 – 让普通GPU高效生成视频

Wan2GP是一款基于Wan2.1的阿里巴巴开源和先进的大规模视频生成模型，专为显存有限的GPU用户设计，让普通GPU也能高效运行视频生成任务。它优化了内存消耗，适配几乎所有消费级显卡，支持多种生成任务，包括文本转视频、图片转视频等，是显存有限用户的理想选择。

LLaVA-pp开源项目 – 增强多模态任务处理能力

LLaVA++是LLaVA模型的扩展，集成了Phi-3 Mini Instruct和LLaMA-3 Instruct模型，旨在提升视觉和语言指令处理能力。项目通过引入新模型如Phi-3-V和LLaVA-3-V，专注于提高指令跟随能力和处理学术任务数据集的能力。LLaVA++在多模态任务中表现出色，尤其是在指令跟随和视觉语言任务方面。项目提供了详细的安装指南和更新脚本，便于本地部署和测试。Model Zoo中列出了所有可用模型及其Hugging Face页面链接，方便用户访问和利用预训练权重。项目还更新了文档，包含最新发展和模型细节，并提供了完整的代码库，包括训练和微调模型所需的所有脚本和模块。此外，项目改进了README文件，突出了其开源性质和模型升级的重要性。

code2prompt开源项目 – 代码库转提示词工具

code2prompt 是一个开源工具，旨在将代码库快速转换为适合与大型语言模型（LLM）交互的提示词。它通过遍历项目目录，构建树结构，收集每个文件的信息，并自动生成格式化的 Markdown 提示词文档，从而简化与 AI 模型的沟通过程。支持多种自定义选项，如模板生成、文件过滤、Git 信息集成等。

diff-llm开源 – 基于LLM的文本差异预测工具

diff-llm是一个专注于使用大型语言模型预测文本差异的开源项目，扩展了传统的下一个标记预测设置。虽然主要示例使用维基百科页面差异，但其技术架构可扩展至代码变更跟踪场景。项目提供从数据准备、模型微调到推理应用的全流程支持，并与Weights & Biases深度集成实现实验可视化跟踪。

Awesome-Open-Vocabulary-Perception – 开放词汇感知资源集合

专注于开放词汇感知领域的综合资源集合，涵盖了开放词汇感知（包括2D和3D）相关的论文和代码资源，为研究人员提供了该领域最新研究成果的集中索引。该项目持续更新，助力研究人员快速上手，涵盖了3D和2D两大领域，资源丰富，提供了10多篇顶级会议论文及代码链接。