Reasoning-Attack开源项目 – 揭示LLM推理漏洞

Reasoning-Attack项目旨在揭示大型语言模型（LLM）在推理过程中的漏洞，特别是模型在特定查询下无法生成结束标记，导致资源耗尽的问题。通过实验验证，该项目展示了仅需少量攻击请求即可完全占用GPU资源，形成低成本DDoS攻击手段。此外，攻击查询可在同系列模型间转移，对开源开发生态构成威胁。项目提供了测试、评估和防御推理攻击的工具，帮助开发者和研究人员识别和分析不同模型在面对攻击查询时的表现。

Reasoning-Attack的特点:

1. 发现推理模型在特定查询下无法生成结束标记，导致资源耗尽
2. 攻击查询可在同系列模型间转移，威胁开源开发生态
3. 通过实验验证，仅少量攻击请求即可完全占用GPU资源，形成低成本DDoS攻击手段

Reasoning-Attack的功能:

1. 用于测试和评估大型语言模型的推理漏洞
2. 帮助开发者识别和防御潜在的推理攻击
3. 作为研究工具，分析不同模型在面对攻击查询时的表现

相关导航

HPT开源项目 – 多模态大语言模型，理解文本与视觉关系

HPT是HyperGAI的开源多模态大语言模型，能够有效理解文本和视觉输入之间的关系，提供强大的语义理解和生成能力，适用于各种应用场景。

TGS-SaltNet开源项目 – 高效盐体识别模型

TGS-SaltNet是Kaggle TGS盐体识别挑战中排名第22的解决方案，基于深度学习技术，专门用于高效识别地质勘探中的盐体。该项目采用了优化的神经网络架构，支持高性能的模型训练和推理，并能够处理大规模数据。

MegaLoc开源项目 – 强大的图像检索模型

MegaLoc是一款专为各种定位任务设计的强大图像检索模型，能够在海量图像中精准找到目标，是视觉定位任务的利器。

MMR1开源项目 – 多模态推理的顶尖探索

MMR1是多模态推理领域的前沿项目，通过极少量数据实现顶尖性能。该项目仅使用6k公开数据进行训练，达到了开源7B多模态模型的SOTA性能，并且在6小时内完成高效训练，具有极高的性价比。此外，MMR1采用了数据平衡策略，能够覆盖多样化的数学问题类型。

Second Me开源项目 – 打造个性化AI身份

Second Me 是一个开源项目，旨在为每个人创建一个独特的AI身份，代表用户在数字世界中的存在。它通过本地训练和托管，确保用户数据的隐私和安全，同时支持全球连接，扩展用户的智能网络。Second Me 强调个体的多样性和自主性，通过三层记忆建模和自我对齐技术，深度还原个体的记忆和体验，构建出一个完整的生命旅程。它支持AI原生应用和网络化身份，允许AI身份在网络中相互连接和交互，推动未来的AI应用发展。

repo-surf开源项目 – Git提交历史可视化工具

repo-surf 是一个将Git提交的commit历史转换为动图的工具，适用于演示、总结和汇报等场景。它能够将复杂的Git提交历史以直观的动态图像形式呈现，帮助用户更好地理解和管理项目开发过程。

从零到精通深度学习 PyTorch开源项目 – 一份系统的 PyTorch 在线教程

分享 GitHub 上一份开源免费的在线教程，涵盖了 PyTorch 基础知识、神经网络、计算机视觉、自定义数据集处理、模块化代码编写以及模型部署等内容。

so-vits-svc开源项目 – 深度学习声音转换工具

so-vits-svc是一个基于深度学习的语音转换项目，能够将一个人的声音转换为另一个人的声音，适用于多种应用场景。它通过SoftVC内容编码器提取源音频语音特征，与F0同时输入VITS替换原本的文本输入，实现高质量的歌声转换和语音合成。

Flashrl开源 – 高效轻量级强化学习库

Flashrl 是一个轻量级强化学习库，旨在通过极简代码（约200行）实现快速开发，支持大规模并行环境（单次运行可达千万级步骤）。其核心设计强调性能优化和开发者友好性，提供高效的 Learner 架构、tensorboard 日志支持以及 Cython 实现的环境，适合学术研究和工业应用。

zLib-Web开源项目 – 自建搜索应用源码

zLib-Web是一个用于自建搜索应用的开源项目，提供了多个相关源码，便于用户根据自己的需求进行定制和部署。

mm-cot开源项目 – 提升大语言模型在复杂任务中的表现

mm-cot是亚马逊开源的多模态链式思维（Multi-modal Chain of Thought）模型，旨在提升大语言模型在复杂任务中的表现。它支持多模态输入，包括文本和图像，并通过链式思维增强推理能力，特别针对复杂任务进行了优化的架构设计，方便研究人员和开发者进行二次开发。

duix.ai开源项目 – AI驱动的数字人互动平台

DUIX是由硅基智能开发的AI驱动的数字人互动平台，旨在通过开源数字人互动能力，帮助开发者轻松集成大型模型、语音识别（ASR）和文本转语音（TTS）功能，实现与数字人的实时互动。该项目支持Android和iOS等多平台一键部署，提供14个数字人模板，并会不定期更新本地模型包。DUIX适用于多个行业，如智能客服、智能屏幕等，提供低成本部署和低网络依赖的解决方案。

DigiQ开源项目 – 用AI驱动设备控制的新方法，让机器学习更高效！

DigiQ 是一个利用人工智能技术，帮助用户通过少量数据训练高效的设备控制智能体的项目。它创新性地结合了视觉语言模型（VLM），显著提升了学习效果，并提供了完整的代码和预训练模型，方便用户复现和使用。

Deep-tempest开源项目 – 利用深度学习窃取HDMI信号的电磁辐射

Deep-tempest 是一个通过深度学习技术从 HDMI 信号的电磁辐射中恢复图像的项目。它基于 gr-tempest 项目（即 Van Eck Phreaking 或 TEMPEST 技术），通过深度学习显著提高了窃取图像的质量。项目展示了如何从 HDMI 电缆的电磁辐射中捕获屏幕图像，并通过深度学习模型进行图像恢复，将字符错误率从 90% 降低到不到 30%。项目提供了详细的代码、数据集和执行指南，用户可以通过配置环境并运行代码来复现实验结果。