UniTok开源项目 – 统一视觉词元化器

Everlyn-1是首个开源的自回归基础视频AI模型，为视频生成和多模态理解带来突破。它通过创新性地引入Wasserstein距离优化矢量量化，显著提升了训练稳定性和性能。同时，其提出的EfficientARV框架能够高效生成图像和视频，支持多种生成任务。此外，ANTRP技术有效减少多模态大语言模型中的幻觉现象，进一步提升生成质量。

Qwen2.5VL 是阿里巴巴 Qwen 系列的最新旗舰视觉语言模型，专注于图像、文本和视频的多模态理解与识别。该模型在视觉代理、视频理解和文档解析等方面表现出色，支持层级定位、JSON 格式输出和秒级事件定位。Qwen2.5VL 能够处理超过 1 小时的视频，适用于安防、教育、商业和娱乐等多个领域。

Janus-Pro-7B 是一个创新的多模态框架，旨在统一处理多模态理解和生成任务。它通过解耦视觉编码，分别处理理解和生成任务，使用 SigLIP-L 编码器提取图像的高维语义特征，并通过 VQ 分词器将图像转换为离散 ID 序列。其核心是一个自回归 Transformer，处理多模态特征序列。研究表明，该模型在扩展训练数据和模型规模后，从 1.5B 参数提升至 7B 参数，显著提高了性能，适合下一代统一多模态模型的发展。

通义是由阿里云开发的大型语言模型，支持多轮对话、内容创作、逻辑推理、多模态理解和多语言支持。它于2023年9月13日公开上线，提供提示词模板、联网搜索功能，且模型开源，用户可自由定制和部署。通义旨在成为用户的个人AI助手，辅助工作、学习和生活，覆盖广泛的应用场景。

Janus是一个多模态理解和生成一体的模型，能够同时理解图片内容并生成新图像。它通过解耦设计来满足理解和生成任务对视觉编码器的不同需求，采用统一的自回归变换器架构处理各种模态的输入。

Audio-Reasoner是首个支持原生深度推理的大规模音频语言模型，基于大规模音频链式思维数据（CoTA）进行训练，实现了音频领域的深度推理和结构化思维。

UnifiedReward是首个统一的多模态理解和生成评估奖励模型，支持成对排名和点式评分，旨在助力视觉模型的偏好对齐。该项目首次实现了图像、视频生成与理解的全面覆盖，提供了完整的训练代码和数据集，并在多个基准测试中表现卓越。

Anole是一个开源的自回归原生多模态模型，专注于交错图像和文本的生成。它支持文本到图像生成、交错文本-图像生成、文本生成及多模态理解，旨在提供丰富的生成能力和理解能力。

FaceSwap 是一个基于深度学习的工具，能够在图片和视频中识别并交换人脸。它支持多种功能，包括人脸交换、面部表情转换等，适用于娱乐、影视制作、隐私保护等领域。项目提供了详细的安装和使用指南，支持多种操作系统（Windows、Linux、MacOS），并且需要现代GPU以获得最佳性能。FaceSwap 不仅是一个强大的工具，还为开发者和爱好者提供了学习和实验AI技术的机会。

我的电视是一款使用 Android 原生开发的电视直播软件，支持自定义直播源和节目单，旨在为用户提供灵活的电视观看体验。

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。

mini_qwen是一个从头开始训练的1B参数的大型语言模型(LLM)项目，包括预训练(PT)、微调(SFT)和直接偏好优化(DPO)3个部分。该项目基于Qwen2.5-0.5B-Instruct模型，通过扩充模型隐藏状态层数、隐藏状态维度和注意力头数，增加参数量到1B，并进行参数随机初始化。支持中英文，预训练和微调仅需要12G显存，直接偏好优化仅需要14G显存。使用flash_attention_2进行加速，使用deepspeed在6张H800上进行训练，探究了尺度定律(scaling law)、复读机现象与微调阶段的知识注入。

Spoor是一个使用编译器插装技术的应用追踪工具，能够深入分析应用程序的性能，并提供实时监测和报告。支持多种编程语言，易于集成，适合各种开发环境。

10Web是一个网站管理平台，提供托管、构建、优化和安全等工具，利用AI技术自动化任务，提升在线存在感。

Qdrant是一个用Rust编写的高性能向量相似性搜索引擎和向量数据库，专为AI应用设计。 它提供生产就绪的服务，具有便捷的API，用于存储、搜索和管理带有附加负载的向量点。 Qdrant特别适合扩展过滤支持，使其适用于各种基于神经网络或语义的匹配、分面搜索和其他应用场景。 它支持分布式部署、向量量化和磁盘存储，具有出色的性能表现，特别适用于语义搜索、推荐系统等场景。