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

《动手学大模型》系列编程实践教程，由上海交通大学《人工智能安全技术》课程讲义拓展而来，旨在帮助开发者深入理解和实践大模型的相关技术。通过简单实践，帮助同学快速入门大模型，更好地开展课程设计或学术研究。

MonitorControl 是一款 Mac 应用程序，允许用户像控制原生 Apple 显示器一样控制外接显示器的亮度和音量。它支持使用 Apple 键盘的按键或自定义快捷键进行操作，并在调整时显示 macOS 的原生屏幕显示（OSD）。

Image Toolbox 是一个功能强大的图像处理工具，专为高效的照片编辑和操作而设计。它提供了丰富的功能，包括图像裁剪、滤镜应用、EXIF数据编辑、背景去除、图像转换为PDF等。无论是摄影师还是开发者，都可以通过其简洁的界面轻松完成复杂的图像处理任务。项目基于Kotlin开发，支持Android平台，并提供了多种高级功能，如批量处理、自定义滤镜、图像拼接、背景去除、水印添加、图像绘制等。

一个集合了优秀 GPT 提示的项目，旨在帮助用户更好地利用 GPT 技术。该项目提供了多种高质量的提示，支持不同场景的应用，易于使用和集成，并且是开源的，欢迎贡献和讨论。

OmniParse 是一个多格式数据解析与优化平台，能够将非结构化数据转换为结构化数据，专为增强与GenAI框架的兼容性设计。它支持从文档到多媒体的高效数据转换，并具备数据优化功能。此外，OmniParse 还支持跨模态对齐、流式处理、自监督学习、分布式架构、自动版本迁移和审计追踪等功能。该平台支持约20种文件格式，包括文档、表格、图像、视频、音频、网页等，适合批量处理各种数据并用于AI应用的场景。

AlphaFold 3是由DeepMind开发的AI系统，用于从蛋白质的氨基酸序列中预测其三维结构。它通过深度学习技术和海量蛋白质数据训练，能够在几小时内完成蛋白质结构分析。AlphaFold 3已经预测了超过2亿种蛋白质的三维结构，涵盖几乎所有已知生命体，其预测结果接近实验数据的准确度。该项目提供了推理管道的实现，并允许用户通过特定流程获取模型参数。

FlashMLA是专为Hopper架构GPU设计的高效MLA解码内核，特别针对可变长度序列服务进行了优化。它结合了FlashAttention 2&3和cutlass两个加速项目的技术，显著提升了H800 GPU的计算性能。支持BF16精度，采用块大小为64的分页kvcache，使用CUDA 12.6，在H800 SXM5上实现了高达3000 GB/s的内存带宽和580 TFLOPS的计算性能。

一个专为加速多模态模型（如 PaliGemma、Florence-2 和 Qwen2-VL）微调的工具，简化配置、数据加载、重现性和训练循环的设置。

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。

Llama 2 模型的优化版本，包含一系列解码器层，使用不同的投影大小和架构变化以提高效率。

Auto-PPT是一个开源项目，利用GPT-3.5技术自动生成高质量的PPT，支持多种主题和模板，旨在简化演示文稿的制作过程。该项目提供用户友好的界面和可定制的幻灯片布局，适合各种场景的需求。

MPAX 是一个基于 JAX 的数学编程库，旨在使深度学习中的数学编程变得轻松。它支持硬件加速（CPU、GPU 和 TPU），并且是可微的，可以直接集成到神经网络的反向传播中。此外，MPAX 还支持批处理和分布式求解，显著提高了大规模问题的计算效率。

IPTV-API 是一个可高度自定义的IPTV接口更新项目，支持自定义频道菜单，自动获取直播源，测速验效后生成可用的结果，实现秒播级体验。项目支持多种获取源方式，包括本地源、组播源、酒店源、订阅源和关键字搜索，并提供多种运行方式，如工作流、命令行、GUI软件和Docker。每天定时更新，确保用户获取最新、最稳定的直播源。

Native Sparse Attention是一个高效实现原生稀疏注意力的Triton代码库，专注于在深度学习模型中优化注意力机制。通过硬件对齐优化和动态选择稀疏块，显著提升了性能，比FlashAttention更快，性能提升高达数倍。适用于需要高效处理稀疏数据的场景，并在AI创造营等项目中得到应用。

adapter-transformers是一个开源工具库，支持在Transformer模型中添加和训练适配器（Adapter）。适配器是一种轻量级的模块，可以在不修改原始模型参数的情况下，对模型进行微调。该工具库支持多种任务，包括文本分类、命名实体识别等，并且可以与Hugging Face的Transformers库无缝集成。它提供了统一的接口，支持高效微调和模块化迁移学习，支持多种适配器方法，如Bottleneck Adapters、AdapterFusion、LoRA等，并支持适配器合并和组合，为NLP任务的参数高效迁移学习提供了强大的工具。