AI-RAN论文 – AI与RAN融合的创新平台

支持多策略蒸馏，动态资源分配，微调等功能的蒸馏框架，适合学习或与现有架构集成。

ADEF算法是一种专注于分布式AI训练的技术，旨在通过多机协作优化大规模模型的训练效率， 同时平衡模型精度。其核心目标是通过并行计算和资源调度减少训练时间，适用于数据密集型场景。 目前公开信息有限，推测其可能涉及动态资源分配、通信优化等机制，但具体实现细节需进一步验证。

Levity是一个无代码的AI工作流自动化平台，允许用户在文档、图像或文本数据上训练自己的AI模型，以自动化日常重复任务，提高团队的生产力，无需任何编码。

EasyFunctionCall是一个SaaS服务，可以将OpenAPI和Swagger规范转换为AI模型的函数调用参数，从而降低复杂性并节省令牌。

DataFusion Ray 是一个基于 Ray 和 Apache DataFusion 的分布式 Python DataFrame 和 SQL 查询引擎，专为快速分析大规模数据集而设计。它结合了 Ray 的分布式计算能力和 Apache DataFusion 的查询优化技术，提供高效的数据处理和分析能力。

一本深入浅出的AI开发指南，涵盖从理论基础到多个应用领域的实战案例，特色在于多智能体系统、可解释AI与伦理安全探讨。

LLMFactor是一种基于大语言模型（LLM）的因子生成框架，专注于股票价格预测。它采用顺序知识引导提示（SKGP）技术，从新闻和社交媒体等非结构化文本中提取可能影响股票价格的关键因素，并为预测提供解释性推理。该框架在美国和中国股票市场的四个基准数据集上进行了评估，表现出优于现有最先进方法的性能。

gitdiagram能够将任何GitHub存储库转换为可视化的交互式图表，帮助用户快速理解项目的结构和架构。它支持快速生成图表，用户可通过点击组件直接导航至源文件和目录，适合开发者和研究者使用。

sparrow 是一个利用机器学习技术从扫描文档中提取结构化数据的工具。它支持多种文档格式，并提供了一个用户友好的演示界面，方便用户测试和验证文档提取模型。该项目是开源的，代码托管在GitHub上。

自主管理、社区驱动的本地 OpenAI 兼容 API，能够在消费级硬件上运行 LLM，且无需 GPU。

Clear.ml 是一个开源的连续机器学习平台，专注于促进 AI/ML 模型的开发、集成、部署和扩展，支持从数据管理到模型训练再到部署的整个生命周期。

Inf-DiT 是清华大学与智谱AI联合推出的基于扩散模型的图像上采样方法，能够生成超高分辨率图像。该模型引入了单向块注意力机制(UniBA)，将生成过程中的空间复杂度从 O(N^2)降低到 O(N)，有效解决了传统扩散模型在生成大尺寸图像时内存消耗过高的问题。Inf-DiT 采用扩散变换器(DiT)结构，能够处理各种形状和分辨率的图像上采样任务，并通过全局图像嵌入和邻近低分辨率块的交叉注意力机制等技术，增强图像的局部和全局一致性。实验结果表明，Inf-DiT 在超高分辨率图像生成和超分辨率任务中均达到了 SOTA 性能。

DCA (DeepCrossattention) 是一种用于增强Transformer网络中残差连接的新机制。它通过可学习的权重和深度交叉注意力动态地结合不同层的信息，从而提高语言模型的性能、训练效率和稳定性。DCA采用Pytorch实现，可通过pip安装，并提供如DCAGPT等类用于构建和训练Transformer模型，专注于语言建模任务。

FireScrap是一个基于人工智能的网页自动化平台，专门用于自动化数据收集、网页抓取和任务管理。用户只需指定数据需求，团队将为其构建定制的AI代理，实现全天候的数据收集。

通过单个视频生成实时、交互式、逼真且与浏览器兼容的游戏环境。该项目利用神经辐射场（NeRF）模块高效捕获现实世界场景的几何形状和视觉外观，并通过网格模块和物理模块实现快速渲染和物体之间的相互作用。支持室内和大型室外场景的基准测试，用户可以轻松创建高质量的虚拟环境。