可微分的刚体物理模拟器，用于在虚拟环境中模拟物体的物理行为，比如物体的碰撞和运动，帮助研究人员和开发者更好地理解和预测物理世界中的物体交互

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。

面向动作识别的神经网络推理引擎，增强您的应用程序，使其能够通过任何RGB相机看到和与人类互动。

该项目探索了新视角合成技术，致力于生成动态视图和逼真的图像合成，集成神经渲染技术，为虚拟环境中的视觉效果提升提供支持。

一个完整的大语言模型(LLM)可解释性研究项目，使用稀疏自编码器(SAE)分析Llama 3.2模型，由纯PyTorch实现且可完全复现。包含从数据采集、SAE训练、特征分析到验证的全套流程，可帮助理解模型内部行为和概念表示

liteLLM-proxy是一个代理服务器，提供对超过50种大型语言模型的访问，具备错误处理、缓存等功能，并支持包括Azure、Llama2、OpenAI、Claude、Hugging Face和Replicate等多个平台。

GRANDE是一个基于梯度的决策树集成项目，旨在提高模型的准确性和可解释性，适用于多种机器学习任务。