Awesome-Inference-Time-Scaling开源项目 – AI推理时间优化资源库

通过ROS 2和Gazebo仿真学习机器人基础知识的开源项目，适合初学者入门机器人编程和自主导航。该项目提供了一个丰富的仿真环境，让用户能够在不需要实际硬件的情况下进行学习和实验，包含了多种示例和教程，帮助用户理解机器人编程的基本概念和实现算法的细节。

GUI-Thinker是一款全自动桌面GUI代理，具备批判性思维，能够自动化完成复杂的桌面操作。它无需Docker或虚拟机，部署简便，支持多种语言模型，如GPT-4o和Gemini-2.0。通过Step-Check和Actor-Critic模块，确保每一步操作都精准无误，从而显著提高工作效率并减少人为错误。

Sycamore 是一个基于大型语言模型（LLM）的搜索与分析平台，专门用于处理非结构化数据，如文档、幻灯片、音频等。它通过先进的LLM技术，帮助用户高效地搜索、分析和提取非结构化数据中的信息，支持多种数据类型，并且是一个开源平台。

一个旨在让每个人都能访问基于聊天的大型语言模型的项目，可以看作是ChatGPT的替代品。

Kiss3DGen是一个将图像扩散模型重新用于3D资产生成的创新项目。它支持通过文本或图像输入生成3D资产，并提供本地和云端的Gradio演示，方便用户快速体验。项目还开源了高效的模型权重和代码，助力研究和应用开发。

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。

Semaphore 是一个基于计算机视觉的体感控制项目，允许用户通过身体动作进行打字、游戏控制和其他交互操作。它支持全身手势识别，提供实时反馈，并允许自定义手势映射。该项目开源且易于扩展，适用于开发体感游戏、教学工具、创意打字体验以及特殊环境下的输入需求。

GPT Router是一个开源的LLM API网关，提供超过30个LLM、视觉和图像模型的通用API，具备基于可用性和延迟的智能回退、自动重试和流式传输功能，即使在OpenAI宕机时也能保持操作。

Markdownify是一个基于模型上下文协议（MCP）的服务器，能够将多种文件类型（如PDF、图像、音频、文档、表格、PPT等）以及网页内容（如YouTube视频、Bing搜索结果）转换为Markdown格式。它操作简单，支持开箱即用，适合需要将复杂内容快速转换为Markdown格式的用户。

cdebug 是一个专为容器调试设计的万能工具包，支持多种容器运行时，提供丰富的调试工具，易于集成到现有工作流，并且支持多种操作系统。它轻量级且高效，能够帮助开发者快速诊断和解决容器中的问题。

Whisper Web 是一个开源项目，允许用户在浏览器中运行基于机器学习的语音识别，无需后端服务器。它利用 WebGPU 技术实现加速，用户可以轻松进行语音转文本，并支持将识别结果导出为 TXT 和 JSON 文件格式，完全开箱即用。

融合图像聊天、分割和生成/编辑的AI应用概念验证项目，基于LLaVA、SEEM和GLIGEN三个相关开源项目实现。

LightMirrors是一个轻量级的缓存镜像站服务，旨在加速内网环境中的软件包下载和镜像拉取，基于Aria2实现了下载进度的实时显示，适用于DockerHub、PyPI、PyTorch、NPM等多个镜像源。

DeepSeek R1 是一个从零开始构建的高效推理模型项目。它使用 Qwen 作为基础模型，通过 GRPO 算法进行初步训练，并结合 Supervised Fine-Tuning (SFT) 和改进的强化学习方法，显著提升了模型的推理能力和语言一致性。项目提供了全流程的代码实现、详细的训练过程描述和手绘流程图，使得即使是初学者也能轻松上手。

Compressor是一款免费开源的文件压缩工具，能够让您的文件体积更小。它以Web形式实现，支持在本地运行，且没有最大压缩限制，现已完成图片压缩功能。