MindCV开源项目 – 基于MindSpore的视觉模型工具箱

music-website 是一个前后端分离的音乐网站项目，前端使用 Vue3 + TypeScript + ElementPlus 框架，后端采用 Spring Boot + MyBatis + Redis + Minio 技术栈。项目提供了从用户系统到音乐播放的全套功能，包括音乐播放、歌词同步显示、音量控制、用户登录注册、个人信息管理、歌曲和歌单搜索、评论、打分、收藏、下载等功能。此外，项目还提供了后台管理系统，支持对用户、歌曲、歌手、歌单的完整管理。项目支持 Docker 部署，并提供了完整的运行文档，适合初学者学习前后端分离项目的开发和部署。

Athena是一个创新的AI决策支持系统，旨在增强防务和战术操作中的决策过程。通过集成先进的计算机视觉和AI功能，Athena以高准确性和速度简化复杂决策，同时确保在高压力环境中遵循法律和伦理考虑。

machina是一个基于PyTorch构建的深度强化学习框架，旨在简化和加速深度强化学习算法的研究和开发。它提供了多种深度强化学习算法的支持，并具备高效的并行计算能力。框架采用模块化设计，便于扩展和定制，同时提供了丰富的文档和示例代码，帮助用户快速上手和深入理解强化学习原理。

3PSDF是一个用于学习任意拓扑表面的签名距离函数的项目，采用三极点方法，能够高效地重建复杂表面。

Awesome LLM OS 是一个关于大型语言模型操作系统的精选资源库，旨在帮助开发者和研究人员快速了解和探索LLM-OS的前沿研究、工具和项目。该资源库涵盖了20多篇顶级研究论文，提供多种开发接口和项目示例，并且是社区驱动，持续更新。

Skyvern是一个开源的AI代理，帮助企业自动化基于浏览器的工作流。它用简单的API端点替代了脆弱的脚本，能够在数百个不同的网站上自动化任务。Skyvern AI代理通过API调用自动化复杂的浏览器工作流，结合计算机视觉和AI理解网页内容，使其适应任何网站。Skyvern接受自然语言指令，能够用简单的命令执行复杂的目标。工作流在云中执行，支持同时运行数百个工作流。此外，Skyvern的AI决策附带内置解释，为每个操作提供清晰的摘要和理由。

RAGFlow 是一款基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation）引擎，能够为各种规模的企业及个人提供一套精简的 RAG 工作流程，结合大语言模型（LLM）提供可靠的问答及有理有据的引用。它支持多模态文档解析和精准信息提取，特别在金融合同解析中表现优异。

multitrident 结合了 TridentNet 和 RefineDet 技术，能够在一次前向传播中同时检测不同尺度的目标。它通过高效的单一前向传播实现多尺度目标检测，适用于各种计算机视觉任务，并持续更新和改进。

这个开源项目将GraphRAG与Ollama本地LLM结合，并提供可视化的知识图谱UI和监控。

Easydict 是一款开箱即用的 macOS 翻译工具，支持单词查询和文本翻译，提供多种便捷查询方式。它集成了多种翻译服务，如有道词典、苹果系统词典、DeepSeek、OpenAI、DeepL 等，能够自动识别输入语言并查询目标偏好语言。此外，Easydict 还支持自动划词查询、系统 OCR 截图翻译、系统 TTS 和多种在线 TTS 服务，以及自定义服务设置和智能查询模式，为用户提供高效、智能的翻译体验。

这是一个使用 Rust 从头开始开发的 Web 浏览器，旨在通过构建浏览器深入了解其工作原理，尽可能避免使用外部库。

MVDD利用多视角深度和扩散模型来表示复杂的三维形状，并将其映射到二维数据格式中。该模型能够生成高质量、密度较高的点云，包含细致的细节，点数可达20,000个以上。

一个 Chrome 扩展程序，用于将论文PDF的Tab重命名为更具信息性的标题，帮助用户更好地管理和识别浏览器中的多个PDF标签，提升学术研究和资料整理的效率。

LLaVA++是LLaVA模型的扩展，集成了Phi-3 Mini Instruct和LLaMA-3 Instruct模型，旨在提升视觉和语言指令处理能力。项目通过引入新模型如Phi-3-V和LLaVA-3-V，专注于提高指令跟随能力和处理学术任务数据集的能力。LLaVA++在多模态任务中表现出色，尤其是在指令跟随和视觉语言任务方面。项目提供了详细的安装指南和更新脚本，便于本地部署和测试。Model Zoo中列出了所有可用模型及其Hugging Face页面链接，方便用户访问和利用预训练权重。项目还更新了文档，包含最新发展和模型细节，并提供了完整的代码库，包括训练和微调模型所需的所有脚本和模块。此外，项目改进了README文件，突出了其开源性质和模型升级的重要性。

LLM Data Scrapers 是一个开源项目，旨在为大型语言模型（LLM）的训练和推理提供高效的数据抓取工具。该项目汇集了多种开源工具，覆盖了从代码库、网页到PDF文档等多种数据源，简化了数据收集和预处理流程，帮助用户高效地获取和转换数据，以便用于LLM的训练和推理。