Для проектов, которые уже фигурировали в предыдущих списках рейтинга Github, подробности не отображаются. Пожалуйста, обратитесь к предыдущим спискам для получения информации.
Ранг #1 reworkd/AgentGPT
https://github.com/reworkd/AgentGPT
🤖 Собирайте, настраивайте и развертывайте автономные агенты ИИ в своем браузере.
Язык: TypeScript
Звезд: 7178 (3433 звезды сегодня) Вилки: 1372
— — — — — — — — — — — — — — — —
Ранг #2 биозагрузчик/росомаха
https://github.com/biobootloader/wolverine
Язык: Python
Звезды: 2730 (1091 звезда сегодня) Вилки: 274
— — — — — — — — — — — — — — — —
Ранг № 3 ravenscroftj/turbopilot
https://github.com/ravenscroftj/turbopilot
Turbopilot — это механизм автодополнения кода с открытым исходным кодом, основанный на модели большого языка, который работает локально на ЦП
Язык: Python
Звезд: 2228 (745 звезд сегодня) Вилки: 65
— — — — — — — — — — — — — — — —
Ранг #4 eumemic/ai-legion
https://github.com/eumemic/ai-legion
Автономная агентская платформа на базе LLM
Язык: TypeScript
Stars : 486 (125 звезд сегодня) Разветвления: 48
Проект AI Legion представляет собой автономную агентскую платформу, основанную на технологии LLM (Large Language Model). Он обеспечивает основу для совместной работы автономных агентов для выполнения задач. Для проекта требуется Node 10 или более поздняя версия, и он включает в себя настройку секретов в файле `.env`, таких как ключ API OpenAI и ключ API пользовательского поиска Google, чтобы позволить агенту выполнять поиск в Интернете. Программу можно запустить с помощью `npm run start [количество агентов] [gpt-3.5-turbo|gpt-4]`, и пользователь может взаимодействовать с агентами через консоль. Агенты могут сначала совершать ошибки, когда они учатся действовать самостоятельно, но обычно они учатся на своих ошибках и исправляются. Каждый агент хранит свое состояние в каталоге `.store`, что позволяет выборочно стирать состояние между запусками и эффективно воспроизводить моменты для отладки. У этого проекта есть потенциальные приложения в таких областях, как автоматизация, обработка естественного языка и машинное обучение. Его можно использовать в коммерческих целях для разработки автономных агентов, которые могут работать вместе для выполнения сложных задач, таких как обслуживание клиентов, анализ данных и принятие решений.
— — — — — — — — — — — — — — — —
Ранг #5 Torantulino/Auto-GPT
https://github.com/Torantulino/Auto-GPT
Экспериментальная попытка с открытым исходным кодом сделать GPT-4 полностью автономным.
Язык : Python
Звёзд: 46 032 (12 928 звёзд сегодня) Вилки: 6 069
— — — — — — — — — — — — — — — —
Ранг #6 ohmplatform/FreedomGPT
https://github.com/ohmplatform/FreedomGPT
Эта кодовая база предназначена для приложения на основе React и Electron, которое запускает LLM FreedomGPT локально (в автономном режиме и в частном порядке) на Mac и Windows с использованием интерфейса на основе чата (на основе Alpaca Lora)
Язык: TypeScript
Звезд: 730 (349 звезд сегодня) Вилки: 75
— — — — — — — — — — — — — — — —
7-е место в рейтинге microsoft/DeepSpeed
https://github.com/microsoft/DeepSpeed
DeepSpeed — это библиотека оптимизации глубокого обучения, которая делает распределенное обучение и логические выводы простыми, эффективными и действенными.
> Язык: Python
Звезды: 15 021 (3 616 звезд сегодня) Разветвления: 1743
DeepSpeed — это программный пакет для оптимизации глубокого обучения, обеспечивающий исключительную скорость и масштабируемость как для обучения, так и для логического вывода языковых моделей, таких как MT-530B. и БЛУМ. Он предлагает ряд функций, включая автоматический тензорный параллелизм, эффективность данных и ZeRO-Inference, который демократизирует массовый вывод моделей. DeepSpeed обеспечивает обучение и вывод плотных или разреженных моделей с миллиардами или триллионами параметров, что делает его применимым в таких областях, как обработка естественного языка, компьютерное зрение и распознавание речи. Коммерческие приложения DeepSpeed включают разработку высокопроизводительных языковых моделей для обслуживания клиентов, личных помощников и чат-ботов, а также повышение эффективности и точности анализа данных и принятия решений в различных отраслях. Последние новости о проекте DeepSpeed включают в себя выпуск DeepSpeed Chat, который предлагает простое, быстрое и доступное обучение RLHF моделей, подобных ChatGPT, во всех масштабах, а также разработку VL-MoE, которая масштабирует крупномасштабную генеративную смесь -экспертные мультимодальные модели.
— — — — — — — — — — — — — — — —
Ранг #8 fudan-zvg/Semantic-Segment-Anything
https://github.com/fudan-zvg/Semantic-Segment-Anything
Автоматизированный механизм аннотирования плотных категорий, который служит начальной семантикой маркировка для набора данных Segment Anything (SA-1B).
Язык: Python
Звезды: 433 (66 звезд сегодня) Разветвления: 16
Проект Semantic Segment Anything (SSA) представляет собой автоматизированную аннотацию движок, который расширяет набор данных Segment Anything (SA-1B) с плотной аннотацией категорий. В проекте используется комбинация сегментации с близким набором и сегментации с открытым словарем для получения удовлетворительной маркировки для большинства образцов и возможность предоставления более подробных аннотаций с использованием метода подписи к изображению. SSA заполняет пробел в ограниченной мелкозернистой семантической маркировке SA-1B и значительно снижает потребность в ручном аннотировании и связанных с этим затратах. Он может служить основой для обучения крупномасштабным моделям визуального восприятия и более точным моделям CLIP. SSA может применяться в таких областях, как компьютерное зрение, обработка естественного языка и машинное обучение. Коммерческие приложения SSA включают разработку моделей сегментации изображений для обнаружения объектов, автономного вождения и медицинских изображений, а также повышение точности и эффективности анализа данных в различных отраслях. Механизм SSA состоит из трех компонентов: узкого семантического сегментатора, классификатора с открытым словарем и механизма аннотаций плотных категорий. Сочетание точных аннотаций сегментации изображений SA-1B с богатыми семантическими аннотациями, предоставляемыми расширенными моделями, делает SSA ценным инструментом для создания плотно классифицированных наборов данных сегментации изображений.
— — — — — — — — — — — — — — — —
Ранг #9 continue-revolution/sd-webui-segment-anything
https://github.com/continue-revolution/sd-webui-segment-anything
Segment Anything для стабильного распространения Webui< br /> Язык: Python
Звезды: 398 (сегодня 93 звезды) Вилки: 17
Проект Segment Anything for Stable Diffusion WebUI — это расширение, которое позволяет пользователям стабильного диффузионного webui использовать сегмент чего угодно для стабильного диффузионная окраска. Проект включает в себя такие функции, как расширение маски и предварительная версия поддержки GroundingDINO. Проект планирует поддерживать сегментацию текста-›обнаружения-›из Grounded Segment Anything, поддержку API, автоматическое создание маски для иерархической сегментации изображения и SD-анимации, семантическую сегментацию для пакетного процесса и подключение к рисованию и сегментации ControlNet. Этот проект может применяться в таких областях, как компьютерное зрение, обработка изображений и машинное обучение. Коммерческие приложения этого проекта включают разработку моделей рисования изображений для редактирования и восстановления фотографий, а также повышение эффективности и точности анализа данных и принятия решений в различных отраслях. Проект предназначен для работы со стабильной диффузией webui и сегментации любой модели контрольно-пропускных пунктов. Расширение можно загрузить в каталог sd-webui/extensions, а модель segment-anything можно загрузить в каталог sd-webui/models/sam. Этот проект направлен на то, чтобы предоставить пользователям веб-сайтов стабильного распространения более полный и эффективный инструмент для рисования изображений.
— — — — — — — — — — — — — — — —
10-е место в рейтинге databrickslabs/dolly
https://github.com/databrickslabs/dolly
Databricks' Dolly, большая языковая модель, обученная на платформе машинного обучения Databricks
Язык: Python< br /> Звезд: 5861 (1233 звезды сегодня) Вилки: 561
— — — — — — — — — — — — — — — —
11-е место в рейтинге microsoft/DeepSpeedExamples
https://github.com/microsoft/DeepSpeedExamples
Примеры моделей с использованием DeepSpeed
Язык: Python
Количество звезд: 1671 (725 звезд сегодня) Вилки:306
— — — — — — — — — — — — — — — —
Рейтинг #12 kevmo314/magic-copy
https://github.com/kevmo314/magic-copy
Magic Copy — это расширение Chrome, которое использует модель Meta Segment Anything для извлечения объекта переднего плана из изображение и скопировать его в буфер обмена.
Язык: TypeScript
Звезд: 869 (334 звезды сегодня) Форков: 47
— — — — — — — — — — — — — — —
13-е место в рейтинге практических руководств/обучения на основе проектов
https://github.com/practical-tutorials/обучения на основе проектов
Кураторский список учебных пособий на основе проектов
Язык:
Звезды: Звезда (328 звезд на сегодняшний день) Разветвления: 13 723
Проект Обучение на основе проектов представляет собой набор руководств по программированию, предназначенных для начинающих разработчиков программного обеспечения, которые хотят научиться создавать приложения с нуля. Учебники охватывают широкий спектр языков программирования, включая C#, C/C++, Clojure, Dart, Elixir, Erlang, F#, Go, Haskell, HTML/CSS, Java, JavaScript, Kotlin, Lua, OCaml, PHP, Python, R. , Ruby, Rust, Scala и Swift. Каждое руководство может включать несколько технологий и языков. Учебники охватывают различные темы, включая создание интерпретатора, написание оболочки, создание файловой системы, создание операционной системы с нуля, реализацию хранилища ключей и значений и написание хэш-таблицы. Эти учебные пособия могут применяться в таких областях, как разработка программного обеспечения, информатика и информационные технологии. Коммерческие приложения этого проекта включают разработку программных приложений, веб-приложений, мобильных приложений и игр. Учебные пособия представляют собой ценный ресурс для начинающих разработчиков программного обеспечения для изучения новых языков программирования и технологий и развития их навыков в области разработки программного обеспечения. Проект с открытым исходным кодом, и участие сообщества приветствуется.
— — — — — — — — — — — — — — — —
Ранг #14 hemansnation/God-Level-Data-Science-ML-Full-Stack
https://github.com/hemansnation/God-Level-Data-Science-ML-Full-Stack
> Эта дорожная карта содержит 16 глав, которые можно пройти за 8 месяцев независимо от того, являетесь ли вы новичком в этой области или опытным профессионалом, который хочет перейти к науке о данных.
Язык: Jupyter Notebook
Количество звезд: 1770( 344 звезды сегодня) Вилки:356
— — — — — — — — — — — — — — — —
15-е место в рейтинге agiresearch/OpenAGI
https://github.com/agiresearch/OpenAGI
OpenAGI: когда LLM встречает экспертов в предметной области
Язык: Jupyter Notebook
Количество звезд: 604( 240 звезд сегодня) Вилки: 35
Проект OpenAGI представляет собой исследовательскую платформу искусственного общего интеллекта (AGI) с открытым исходным кодом, целью которой является оснащение больших языковых моделей (LLM) возможностью использовать различные предметно-ориентированные экспертные модели для сложных решение задач. В проекте представлен механизм обучения с подкреплением на основе обратной связи по задачам (RLTF), который использует результат решения задачи в качестве обратной связи для улучшения способности LLM решать задачи. LLM отвечает за синтез различных внешних моделей для решения сложных задач, в то время как RLTF обеспечивает обратную связь для улучшения своей способности решать задачи, обеспечивая цикл обратной связи для самосовершенствующегося ИИ. Проект формулирует сложные задачи в виде запросов на естественном языке, которые служат входными данными для LLM. Проект включает в себя наборы данных для конкретных задач, показатели оценки и широкий спектр расширяемых моделей. Проект OpenAGI может применяться в таких областях, как искусственный интеллект, машинное обучение и обработка естественного языка. Коммерческие приложения этого проекта включают разработку самосовершенствующихся агентов ИИ для различных отраслей, таких как финансы, здравоохранение и транспорт. Проект имеет открытый исходный код, а код, тесты и методы оценки доступны сообществу для использования и улучшения. Для проекта требуются Python 3.9.16 и PyTorch 1.12.1, а предварительно обработанные данные можно загрузить по ссылке на Google Диск, указанной в проекте. Проект OpenAGI представляет собой многообещающий подход к AGI, и мы приветствуем вклад и предложения сообщества.
— — — — — — — — — — — — — — — —
Ранг № 16. Вилки:30
— — — — — — — — — — — — — — — —
№17 в рейтинге discordjs/discord.js
https://github.com/discordjs/discord.js
Мощная библиотека JavaScript для взаимодействия с Discord API
Язык: TypeScript
Звезд: 22 630 (209 звезд сегодня) Вилки: 3 801
— — — — — — — — — — — — — — — —
18-е место в рейтинге Tencent/libpag
https://github.com/Tencent/libpag
Официальная библиотека рендеринга для файлов PAG (Portable Animated Graphics), которая изначально воспроизводит анимацию After Effects на нескольких платформах.< br /> Язык: C++
Звезды: 2909 (49 звезд сегодня) Форки: 313
Проект libpag представляет собой библиотеку рендеринга в реальном времени для файлов Portable Animated Graphics (PAG), которая отображает как векторные, так и растровые анимации на большинстве платформ, таких как iOS, Android, macOS, Windows, Linux и Интернет. PAG — это формат файла с открытым исходным кодом для записи анимации, который можно создавать и экспортировать из Adobe After Effects с помощью подключаемого модуля PAGExporter и предварительно просматривать в приложении PAGViewer. Проект libpag используется более чем 40 приложениями Tencent, такими как WeChat, Mobile QQ, Honor of Kings Mobile Game, Tencent Video, QQ Music и т. д., охватывая сотни миллионов пользователей. Проект предлагает несколько преимуществ, включая высокоэффективный формат файла, поддержку всех функций After Effects (AE), измеримую производительность и анимацию, редактируемую во время выполнения. Проект может применяться в таких областях, как анимация, мультимедиа и развлечения. Коммерческие приложения этого проекта включают разработку мультимедийных приложений, шаблонов видео и интерактивных пользовательских интерфейсов для различных отраслей, таких как реклама, игры и образование. Проект имеет открытый исходный код, а код, тесты и методы оценки доступны сообществу для использования и улучшения. Для проекта требуется iOS 9.0 или новее, Android 4.4 или новее, macOS 10.13 или новее, Windows 7.0 или новее или Chrome.
— — — — — — — — — — — — — — — —
19-е место в рейтинге shadcn/taxonomy
https://github.com/shadcn/taxonomy
Приложение с открытым исходным кодом, созданное с использованием нового маршрутизатора, серверных компонентов и всего нового в Next.js 13.
Язык: TypeScript
Звезд: 7664 (сегодня 770 звезд) Вилки: 692
— — — — — — — — — — — — — — — —
Ранг № 20. : 443 (сегодня 78 звезд) Разветвления: 62
Alpaca Electron — это программный инструмент, который позволяет пользователям общаться с моделями искусственного интеллекта Alpaca без необходимости использования командной строки или компиляции. Он создан, чтобы быть удобным для пользователя и может работать на любом компьютере, не требуя дорогой видеокарты. Alpaca Electron использует компактный и эффективный бэкэнд под названием alpaca.cpp, который упрощает загрузку и установку. Инструмент поддерживает Windows, MacOS и Linux и может использоваться для широкого спектра приложений, включая чат-боты, виртуальных помощников и обслуживание клиентов. Он также включает в себя такие функции, как контекстная память и история чата, а в будущем планируется интеграция со Stable Diffusion. Alpaca Electron — это мощный инструмент со многими коммерческими приложениями, включая электронную коммерцию, здравоохранение и финансы, где его можно использовать для автоматизации обслуживания клиентов и предоставления индивидуальной поддержки.
— — — — — — — — — — — — — — — —
21-е место в рейтинге IDEA-Research/Grounded-Segment-Anything
https://github.com/IDEA-Research/Grounded-Segment-Anything
Объединение заземления DINO с сегментом Anything и стабильной диффузией и BLIP & Whisper — автоматическое обнаружение, сегментация и генерация любых изображений, текста и речи
Язык: Jupyter Notebook
Количество звезд: 6 017 (573 звезды сегодня) Разветвления: 434
— — — — — — — — — — — — — — — —
22-е место в рейтинге vinta/awesome-python
https://github.com/vinta/awesome-python
Тщательно подобранный список потрясающих фреймворков, библиотек, программного обеспечения и ресурсов для Python
Язык: Python
Звезд: 163 899 (293 звезды сегодня) Форкс: 22 933
— — — — — — — — — — — — — — — —
Ранг #23 bfeber/HLA-NoVR
https://github.com/bfeber/HLA-NoVR
НЕТ VR-скрипта для Half-Life: Alyx
Язык: Lua
> Звезд: 352 (81 звезда сегодня) Вилки: 21
— — — — — — — — — — — — — — — —
Ранг #24 xx025/carrot
https://github.com/xx025/carrot
Бесплатный список сайтов ChatGPT点< br /> Язык:
Звезды: Звезда (185 звезд сегодня) Вилки: 628
— — — — — — — — — — — — — — — —
Rank #25 vivo/MoonBox
https://github.com/vivo/MoonBox
月光宝盒：无侵入的流量录制与回放平台 Платформа захвата и воспроизведения трафика на стороне сервера с неинвазивным
Язык: Java
Количество звезд: 276 (сегодня 16 звезд) Вилки: 55
Moonbox — это платформа воспроизведения трафика, разработанная на основе экосистемы JVM-Sandbox и jvm-sandbox-repeater. Это неинвазивная онлайн-платформа для записи и воспроизведения трафика, которая предоставляет широкий спектр функций, включая автоматическое тестирование, онлайн-отслеживание проблем и мониторинг бизнеса. Moonbox использует дизайн SPI jvm-sandbox-repeater и предоставляет множество часто используемых плагинов, а также статистику данных и возможности хранения. Его можно применять в различных областях, таких как автоматическое тестирование, онлайн-отслеживание проблем и мониторинг бизнеса. Moonbox позволяет пользователям записывать и сохранять входные и выходные параметры запроса, RPC, БД и кэш-последовательности нисходящего потока, а также воспроизводить записанные данные для повторного выполнения одного или нескольких запросов или для выполнения MOCK на определенных нисходящих узлах. Moonbox также предоставляет такие функции, как шумоподавление, сравнение конфигураций и многое другое. Платформа легко развертывается и совместима с различными приложениями, включая http/dubbo. Moonbox использовался более чем в 100 проектах vivo в течение двух лет, и команда планирует в будущем открыть больше функций с открытым исходным кодом, таких как дополнительные плагины, хранилище данных MySQL, запись и воспроизведение трафика C++, развертывание платформы Docker и многое другое.
— — — — — — — — — — — — — — — —
