精选 14 篇，从 13300+ 条中筛选
该项目是Twitter推荐的算法语言，旨在为Twitter产品提供内容推荐服务。它通过一系列服务和作业构建了推荐系统，包括数据处理、模型、软件框架等。项目定位为开发框架，核心功能是提供推荐算法和数据处理服务，解决内容推荐中的个性化问题。技术架构亮点在于其复杂的组件和数据处理能力，包括SimClusters、TwHIN、trust-and-safety-models等。在LLM生态中，该项目通过提供高效的内容推荐解决方案，具有显著的价值。
Robin是一款针对暗网OSINT调查的AI工具，旨在通过LLM优化查询、筛选搜索结果并提供调查摘要。它为研究者、安全专家和企业提供了一种高效、合规的暗网信息搜集方法，通过模块化架构、多模型支持和CLI设计，简化了暗网调查流程。
anthropics/skills项目是一个专注于 Claude 大语言模型技能系统的开源库，旨在帮助开发者创建和集成自定义技能，提升 Claude 在特定任务上的表现。该项目为研究者、应用开发者提供了一套丰富的技能示例和模板，涵盖了创意、技术、企业等多个领域。其核心功能是提供技能模板和示例，解决特定任务自动化和性能提升问题。技术架构上，该项目基于 Python 语言和 Claude 模型，提供了一套易于集成的技能库。在LLM生态中，该项目通过提供技能模板和示例，促进了 Claude 模型的应用和扩展。
Fabric是一个开源框架，旨在通过AI增强人类能力。它提供模块化系统，使用众包的AI提示解决特定问题，适用于各种场景。项目定位为开发者工具，核心功能是组织和管理AI提示，解决AI集成难题。技术亮点在于其Go语言实现和模块化设计，支持多种AI模型和语言。在LLM生态中，Fabric的价值在于其易用性和灵活性，为开发者提供了一种高效的方式来利用AI。
DINOv3项目是一个基于PyTorch的LLM相关项目，旨在提供高分辨率密集特征，支持多种视觉任务。该项目为研究者、应用开发者提供工具，通过优化现有技术解决视觉任务中的关键问题，如图像分类、分割和深度估计。其技术架构亮点在于支持多种预训练模型和丰富的数据集，同时提供便捷的集成和使用方式。在LLM生态中，DINOv3通过其高性能和易用性，为视觉任务研究提供了强大的支持。
🔥google/t5gemma-2-270m-270m模型定位为通用大模型，具备270M参数量，支持图像到文本的转换。其核心技术为基于Transformer的T5架构，上下文长度可达270M。在Hugging Face基准测试中表现优异，尤其在代码生成和数学推理方面。开源协议为Apache-2.0，适用于对推理效率有较高要求的场景。
Qwen-Image-Edit-2511-Lightning是一款针对图像编辑任务优化的模型，采用步进蒸馏和量化技术，提供高效的推理性能。该模型定位为多模态模型，具有轻量级、高效率的特点。核心技术包括步进蒸馏、FP8量化等，性能表现在同类模型中具有优势。主要应用场景为图像编辑，适用于需要快速、高效图像处理的场景。
这篇论文提出了一种名为Jensen-Shannon Divergence Message-Passing (JSDMP)的新学习范式，用于丰富文本图表示学习。该方法通过考虑结构和文本的相似性以及它们之间的差异，来计算文本节点间的新消息权重，从而使得表示能够从真正相关的文本节点中学习上下文和结构信息。论文提出了两种新的图神经网络，DMPGCN和DMPPRG，在丰富文本数据集上进行了实验，结果表明它们优于其他基线。
这篇论文介绍了TongSIM，一个用于训练和评估具身智能代理的高保真、通用平台。TongSIM提供多样化的室内外场景，支持从低级具身导航到高级多智能体社会模拟和人类-人工智能协作的多种活动。它通过提供定制场景、任务自适应保真度、多样化的代理类型和动态环境模拟，为研究人员提供灵活性和可扩展性。
这篇论文深入分析了DeepSeek-V3模型架构，探讨了如何通过硬件感知的模型协同设计来解决大规模语言模型在硬件架构上的限制，包括内存容量、计算效率和互连带宽。论文提出了多种创新技术，如多头潜在注意力（MLA）、混合专家（MoE）架构、FP8混合精度训练和多平面网络拓扑，以优化内存效率、计算-通信权衡、硬件能力利用和集群级网络开销。
这篇论文提出了一种视觉-语言模拟模型（VLSM），该模型通过结合视觉和文本理解，从布局草图和自然语言提示中合成可执行的FlexScript，从而实现工业模拟系统的跨模态推理。研究构建了首个用于生成数字孪生的超大规模数据集，并提出了三个新的评估指标来全面评估结构完整性、参数精确度和模拟器可执行性。
这篇论文介绍了ElfCore，一种专为事件驱动感官信号处理设计的28nm数字脉冲神经网络处理器。ElfCore集成了本地在线自监督学习引擎、动态结构化稀疏训练引擎和基于活动依赖的稀疏权重更新机制，实现了多层时序学习、高精度稀疏到稀疏学习，并在手势识别、语音和生物医学信号处理等任务中表现出色。
这篇论文提出了DAO-Agent，一个结合了DAO治理机制、零知识证明（ZKP）和混合链上链下架构的框架，旨在解决在去中心化环境中，大型语言模型（LLM）多智能体系统中的透明协调、不可变日志记录、贡献测量和公平激励分配问题，同时保持智能体的战略隐私和最小化链上计算成本。
