Awesome Self-Supervised Learning for Time Series (SSL4TS) – 时间序列自监督学习资源大全

这是一个专业整理的时间序列自监督学习（SSL4TS）资源列表，涵盖了相关论文、代码、数据集等。该项目旨在为研究者和开发者提供全面的资源支持，帮助他们深入了解和应用自监督学习技术在时间序列数据上的最新进展。

功能:

1. 收录了大量关于时间序列自监督学习的论文。
2. 提供了多种算法的代码实现。
3. 整理了用于训练和测试自监督模型的数据集。
4. 包含时间序列数据异常检测的相关资源。

特点:

1. 研究时间序列自监督学习的最新方法。
2. 获取整理好的数据集用于时间序列分析实验。
3. 通过代码实现学习和复现有研究成果。
4. 寻找时间序列数据异常检测的技术资源。

相关导航

Composio开源项目 – AI Agent的强大工具集

Composio 是一个为AI Agent设计的生产级工具集，旨在帮助处理复杂任务。它支持超过100种工具和多种框架，显著简化了认证和集成过程，使得AI Agent的开发和部署更加高效和便捷。

Gameboy开源项目 – 全功能跨平台 GameBoy 模拟器

Gameboy 是用 Rust 开发的全功能跨平台 GameBoy 模拟器。目标已经在 Windows、Ubuntu 和 Mac 上进行了完全的测试。

TabularS3L开源项目 – 表格数据自监督学习库

TabularS3L是一个基于PyTorch Lightning的库，专门用于表格数据的自监督和半监督学习。它提供了一个统一的框架，使用户能够轻松探索和部署相关模型，适用于各种表格数据处理任务。

ChatPDF开源项目 – 基于PDF的问答工具

为ChatGLM/LLaMA等多种LLM提供了一个好用的基于PDF问答的图形界面，用户可以通过上传PDF文件与模型进行交互，获取所需的信息，界面友好，操作简单，适合各类用户使用。

Basalt开源 – 用于视觉导航的强化学习框架

Basalt 是 Facebook Research 开发的一个开源项目，旨在为视觉导航任务提供强化学习框架。它支持多种环境下的导航任务，包括虚拟环境和真实世界环境。Basalt 提供了一个灵活的接口，允许用户自定义任务、环境和奖励函数，从而进行高效的强化学习训练。该项目特别适用于需要复杂视觉感知和决策能力的导航任务。

CodeWeaver开源项目 – 代码库转Markdown文档工具

CodeWeaver是一款将代码库转换为单一、可导航的Markdown文档的工具，旨在简化代码分享和文档化过程。它通过自动生成项目文件结构和内容的Markdown文档，支持通过正则表达式灵活过滤文件和目录，并提供详细的路径记录功能，帮助用户调试和跟踪代码库中的路径。

Glance开源项目 – 自托管信息整合仪表板

Glance 是一个自托管的仪表板项目，能够将用户的所有信息流整合在一个地方。它支持多种信息源，如 RSS 订阅、社交媒体、Reddit 帖子、YouTube 更新等，并提供了多种实用组件，如天气、日历、时钟等。用户可以根据自己的需求定制仪表板的布局和内容，并通过 Docker 快速部署，确保数据隐私和安全。Glance 还支持多种主题选择和响应式界面，适配手机使用。

unitree_rl_gym开源项目 – Unitree机器人强化学习模拟平台

unitree_rl_gym是一个专为Unitree机器人设计的强化学习模拟训练平台。它支持多种Unitree机器人模型，提供丰富的训练和演示脚本，旨在帮助研究人员和开发者进行机器人学习和研究。该平台为强化学习算法提供了一个高度可配置的环境，使得用户能够轻松地进行模型训练、测试和结果展示。

Aperture开源项目 – Stable Diffusion注意力层可视化工具

Aperture 是一个专门用于可视化 Stable Diffusion 中注意力层的工具，特别设计用于可视化 UNet 中每个词在每一层的注意力分布。它支持 Stable Diffusion 2.1 和 Flux Dev 模型，并提供了完整的前端和后端代码，便于用户进行定制和进一步开发。

大模型竞技场-新版本Gemini综合评测开源项目 – 评测多个大模型的表现

该项目旨在评测多个大模型在特定条件下的表现，包括Gemini、DeepSeek-R1、OpenAI-o1和claude-3.5-sonnet等。通过提供详细的评测数据，支持用户使用相同的测试prompt进行验证，帮助用户选择适合的大模型，并提供评测数据供进一步研究和分析。

R1-V开源项目 – 低成本高效的视觉语言模型训练方法

R1-V是一个开源视觉语言模型（VLM）项目，旨在通过强化学习和可验证奖励（RLVR）在极低成本（不到3美元）和短时间内（30分钟）实现超强泛化能力。该项目通过高效的训练方法和开源资源，显著提升了模型的性能，特别是在超出分布（OOD）测试中，2B模型在100个训练步骤后超越了72B模型的表现。

Parseltongue开源项目 – 创新的文本处理与可视化工具

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。

MiniMind开源项目 – 低成本快速训练超小语言模型

MiniMind 是一个开源 AI 项目，旨在从零开始，以极低的成本和极短的时间训练出超小语言模型。项目涵盖了从数据集清洗到模型训练的全过程，并提供了多种先进的算法和模型结构。通过仅需 3 块钱成本和 2 小时，即可训练出 25.8M 的超小语言模型，最小版本体积是 GPT-3 的 1/7000，适合普通个人 GPU 快速训练。项目还拓展了视觉多模态的 VLM: MiniMind-V，所有核心算法代码均从 0 使用 PyTorch 原生重构，不依赖第三方库提供的抽象接口。这不仅是大语言模型的全阶段开源复现，也是一个入门 LLM 的教程。

llm_processes开源项目 – 自然语言驱动的数值预测工具

llm_processes 是一个让自然语言驱动的数值预测变得简单高效的项目。它支持多种主流LLM，提供丰富的实验模板，并且易于扩展，只需修改`hf_api.py`即可添加新的LLM。项目涵盖1D合成数据、黑箱优化、多任务回归等多种应用场景，帮助用户通过自然语言轻松实现复杂的数值预测任务。

TextGenix开源项目 – 高效文本生成开源框架

TextGenix是一个专为文本生成任务设计的开源框架，旨在为开发者提供构建高效语言生成系统的工具。它支持多样化文本创作与优化，适用于内容生产场景，能够帮助用户快速生成高质量文本，并优化现有文本内容。