pykan 是一个基于 Kolmogorov-Arnold 表示定理的 Python 库，旨在替代传统的多层感知器 (MLP)，提供更高的模型准确性和可解释性。它特别针对科学研究优化，能够在物理和数学领域解决复杂问题，如识别相关特征、揭示模块结构、发现符号公式等。pykan 通过使用非线性边缘函数和样条函数参数化，能够表示更复杂的曲线并进行细致的调整，从而在数据拟合、PDE 求解等任务中表现出色。
OpenAI改进了大规模训练稀疏自动编码器的方法，以提取可解释特征并理解语言模型的神经活动。
首次在事件级问答推理任务中探索了的可能性，在（Structural Causal Model, SCM）的视角下，创新性地引入了因果干预机制，以增强事件级问答推理模型的鲁棒性和可信性。
Nanbeige-16B（南北阁-16B）是南北阁大模型实验室研发的160亿参数规模的大语言模型，采用了2.5T Tokens进行预训练，数据包含大量互联网高质量语料、各类书籍、代码等领域脱敏文本，在各个权威测评数据集上都取得了不错的效果。本次发布包含有 Base、Chat 以及扩展上下文长度的 Base-32k、Chat-32k 版本。
GPT-2 是 OpenAI 发布的一个强大的自然语言处理模型，能够执行多种任务，如文本生成、翻译、摘要和问答等。
一个用于搭建类似Perplexity的问答引擎的项目，结合了多种先进的技术和模型。
gpt_index是一个简单方便的工具，旨在将各种文本数据（如pdf、epub等）与ChatGPT整合，以便用户能够基于文本内容进行问答。该工具支持多种文本格式，并且易于使用，适合快速搭建AI问答应用，同时提供Google Colab Notebook以便于用户配置和使用。
