AI-Infra-Guard开源项目 – 大模型基础设施安全评估工具

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。

Vidformer 是一个研究项目，旨在为视频原生界面提供基础设施，并加速计算机视觉的可视化处理。它通过优化视频渲染速度和支持懒加载等功能，显著提升了视频处理的效率。

融合图像聊天、分割和生成/编辑的AI应用概念验证项目，基于LLaVA、SEEM和GLIGEN三个相关开源项目实现。

Forgetting Transformer (FoX) 是一种改进的 Transformer 模型，通过在 Softmax 注意力机制中加入遗忘门，增强了处理长文本和序列任务的能力。它的设计目标是提升长文本建模、长度外推和短文本任务的性能，同时保持长上下文处理能力，并解决标准 Transformer 缺乏显式数据依赖遗忘机制的问题。FoX 通过数据依赖的方式下调未归一化的注意力分数，命名为“遗忘注意力”（Forgetting Attention）。研究表明，FoX 在长上下文语言建模、长度外推和短上下文下游任务上优于标准 Transformer，而在长上下文下游任务上表现相当。此外，FoX 兼容 Flash Attention 算法，且无需位置嵌入，保留了 Transformer 相对于循环序列模型（如 Mamba-2、HGRN2 和 DeltaNet）在长上下文能力上的优势。

该项目旨在通过提供多样化的测试数据集和详细的测试框架，评估大语言模型在特定主题下的概括能力。项目支持多种语言模型的测试，并包含正例和反例以增强测试效果。

RamaLama 是一个开源项目，旨在通过使用 OCI 容器技术简化 AI 模型的管理和部署，使其操作变得简单无聊。它特别适合希望快速启动 AI 工作负载的用户，尤其是那些不希望处理复杂配置的开发者。RamaLama 支持一键运行 AI 模型，无需复杂设置，并兼容多种硬件平台，包括 CPU、GPU 和 Apple Silicon。此外，它还集成了 Hugging Face 和 Ollama 等模型注册表，方便用户从这些平台拉取模型，并提供本地管理和服务功能，支持通过简单命令启动聊天机器人或 REST API 服务。

Follow-Your-Emoji 是一个基于扩散模型的框架，用于生成精细可控的表情包动画。它能够根据用户提供的目标关键点序列，将静态表情包或肖像动画化。该项目支持用户自定义表情包中眉毛、嘴巴、眼睛等部位的动态，提供了高度灵活的控制方式，适合创意表达和个性化动画制作。

DUSt3R 是一种全新的3D立体重建方法，仅需两张图片即可完成3D建模，无需相机校准或视点姿态等先验信息。该项目提供了从图像对到3D点云的完整流程，支持多种分辨率和模型配置，适用于多种场景的3D重建任务。

SimplerEnv-OpenVLA是一个在模拟环境中评估和复现真实世界机器人操作策略的高效工具。它支持多种主流机器人策略，提供真实到模拟的评估设置，帮助用户优化机器人策略。该项目在GitHub上拥有73颗星，社区活跃，值得深入探索。

LaMini-LM是一个对多个迷你大语言模型进行微调的项目，旨在提升模型的性能，其中包括经过微调的GPT-2，其性能可与LLaMa的Alpaca-7B相媲美。

TinyZero是一个以不到30美元的成本，利用veRL强化学习训练框架，在qwen2.5模型基础上进行训练的项目，能够复现DeepSeek R1论文中的'Aha moment'，并提供完整实验日志和开源代码，方便复现和学习。

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。

Earthworm 是一个帮助你学习英语的开源项目，通过构建带有连接词的句子来强化语言理解和表达能力。项目利用句子构造的方式，深入学习和实践连接词的使用，支持多平台，依赖 Node.js、Postgres、Redis 等工具，并通过 Docker 容器化支持。

RAGFlow 是一款基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation）引擎，能够为各种规模的企业及个人提供一套精简的 RAG 工作流程，结合大语言模型（LLM）提供可靠的问答及有理有据的引用。它支持多模态文档解析和精准信息提取，特别在金融合同解析中表现优异。

OpenCommit是一个命令行界面工具，能够在1秒钟内自动生成令人印象深刻的Git提交信息。这个开源仓库中的所有提交都是使用OpenCommit完成的，用户可以通过查看这些提交来了解OpenCommit的工作原理。OpenCommit支持表情符号和长描述文本的配置，用户可以根据自己的需求进行个性化设置。