OpenThought ARC-AGI-2是一个开源项目，旨在构建认知核心，以解决人工智能领域中的各种挑战。该项目专注于开发能够自我改进和进行推理的智能系统，为推动人工智能的进步提供基础。
Tree of Thoughts (ToT) 是一个强大而灵活的算法，能将模型推理能力提升多达70%。该插件式版本允许用户连接自己的模型，体验超智能的推理能力。
一个深度学习论文的学习项目，包含超过60篇论文的代码实现和详细注释，支持在线阅读和中文版。
项目的目标是创造一个能自主学习和自我决策的人工智能系统，通过给AI提供合适的工具，让它能实时进化和学习新的能力，这样的AI系统有望成为通用人工智能。
本文提出了一种将自然语言转换为计算机能够理解的形式的框架，该框架将自然语言的任务、实体和关系翻译成概率性世界模型，并使用概率性程序来表示和推理这个世界模型。
LaBraM是一个用于学习通用表示的大型脑模型，专门处理大量的脑电图（EEG）数据，旨在提高脑机接口（BCI）的性能。该项目结合了现代机器学习技术，以便从复杂的EEG信号中提取有价值的信息，推动脑机交互的发展。
该论文提出了一种训练语言模型的方法，通过同时预测多个未来Token来提高样本效率，并在多个生成基准上实现了显著的性能提升。
ToRA是一系列集成工具的推理大型语言模型代理，旨在通过与工具交互解决复杂的数学推理问题。
AGI Memory System 是一个复杂的数据库设计，旨在为人工通用智能 (AGI) 提供记忆管理。该系统实现了多种类型的记忆存储和检索机制，灵感来源于人类的认知架构，旨在提高记忆的效率和灵活性。
