west开源项目 – 简洁高效的语音转录系统

MaxKB = Max Knowledge Base，是一个基于 LLM 的开源知识库问答系统，广泛应用于企业内部知识库、客户服务、学术研究与教育等场景。

一种自我对齐方法，通过角色知识的增强和对话模拟，赋予大型语言模型(LLM)强大的角色扮演能力。

这是一个客户细分项目，探索结合大语言模型（LLM）和Kmeans算法的高级聚类技术及结果分析。

NoLA是一种基于大型语言模型和预训练视觉模型的无标签图像分类方法，通过利用这些先进技术提升图像分类的准确性，同时无需大量标注数据，显著降低了成本。该方法特别适合资源有限或数据标注困难的场景，如新领域探索或小数据集分类。NoLA通过生成描述性特征并与视觉模型（如CLIP）结合，实现了高准确性和解释性，同时具备分布鲁棒性和新概念适应能力。

self-adaptive-llms 是一个自适应框架，可以使大型语言模型实时适应未见过的任务，像是为模型装上“智能调节器”，从而在面对新任务时迅速调整，更好地完成任务。

START（Self-Taught Reasoner with Tools）是一种创新型大型语言模型，通过整合外部工具（如 Python 解释器）提升其推理能力。它采用“Hint-infer”和“Hint-RFT”技术，自学如何更有效地使用这些工具，从而在科学问答、数学问题解决和代码生成等任务中表现出色。特别是在博士级科学问答 GPQA 和竞赛级数学基准测试中表现优异，成绩达到或超过现有开源模型的最新水平。

LongRoPE项目旨在将大型语言模型的上下文窗口扩展至超过200万Tokens，显著提升长文本处理能力，同时保持原始短上下文窗口的性能。它通过引入有效的搜索识别和位置插值，以及采用渐进扩展策略，在256k训练长度内仅需1k微调步骤，从而实现高效的模型训练与优化。

Open-LLM-VTuber 是一个结合 Live2D 和大型语言模型（LLM）的项目，通过快速免提语音交互、面部表情捕捉和长期记忆功能，实现自然流畅的对话体验。该项目支持跨平台本地运行，确保数据隐私，并能够记住之前的对话内容，提供个性化的互动体验。

OpenManus是一个开源项目，旨在让开发者能够轻松访问、修改和扩展Manus的功能。它无需邀请码，打破AI封闭生态，提供快速上手的体验。项目集成了多种成熟技术，包括大型语言模型（LLM）、AI Agent、计算机/浏览器使用、图像/视频理解、爬虫等，通过产品思维和工程集成，提供高效、智能的解决方案。

Harmonic Loss 是一种新型的损失函数，旨在替代传统交叉熵损失函数，用于训练神经网络和大型语言模型。它通过引入尺度不变性和有限收敛点等特性，提升模型的可解释性并加速收敛。研究表明，Harmonic Loss 在减少模型泛化延迟（'grokking'现象）和数据效率方面表现优异，并在算法、视觉和语言数据集上验证了其有效性。

Hypercharge AI: Parallel Chats 允许用户同时访问多达10个独立的聊天线程，每个线程涉及不同的系统提示和多种大型语言模型（LLMs）。它提供了首个以卡片式UI展示线程对话的移动聊天机器人界面，提升了用户的交互体验。

这是一个精心整理的LLM水印论文列表，提供关于大型语言模型水印技术的最新研究和资源。

DeepCompressor是一个专为大型语言模型和扩散模型设计的模型压缩工具箱，支持多种数据类型的假量化，旨在提高模型的推理速度和效率。

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。

Satori是一个基于Qwen-2.5-Math-7B的7B参数大型语言模型，通过Chain-of-Action-Thought (COAT)推理机制和Reinforcement Learning with Autoregressive Search (RAE)策略提升模型的自主推理能力。该项目专注于数学推理和跨领域任务，在GSM8K、MATH500等数学推理基准测试中达到最新水平，并能推广到逻辑推理、常识推理和表格推理等任务。模型和数据可在Huggingface平台获取，代码预计未来几周发布。