OpenHomie:开源代码助力人形机器人远程操控,让复杂任务变得简单高效。

创新性地使用同构外骨骼驾驶舱,实现精准全身体操控;总成本仅0.5k美元,远低于传统动捕设备;支持多种人形机器人,拓展性强
LLMs-from-scratch-CN:从零构建大模型的中文翻译项目,助力中文学习者深入理解大语言模型的构建与实践

详细中文注释的Jupyter代码,快速上手;提供丰富的附加学习材料,拓展知识边界;适配国内学习习惯,优化翻译表达
AgenticMemory:为LLM Agent打造的新型动态记忆系统,助力Agent高效管理历史经验,提升任务处理能力。

基于Zettelkasten原则的动态记忆组织;智能索引与链接,实现记忆的高效检索;6大基础模型实验证明性能优于现有SOTA基线
Emblor:一个功能强大的标签输入组件,让开发者轻松实现高效、美观的多标签输入功能。

支持21种特性,包括自动补全、去重、排序等;高度可定制,满足多种开发需求;兼容主流前端框架,无缝集成
用Swift生成原生UI的调试菜单工具,让开发过程更轻松。

通过`@ Spice`属性包装器和`SpiceStore`协议,快速生成调试菜单;支持SwiftUI和UIKit生命周期,适配多种开发场景;提供丰富的UI组件,如开关、选择器、按钮等,满足多样化调试需求

Spices | #工具
高效、可扩展的强化学习训练框架,用于训练具有推理和搜索引擎调用能力的大型语言模型(LLM)。

基于veRL构建,支持3B规模的基础LLM;通过规则化奖励机制,让LLM自主学会推理和搜索;提供完整的训练流程和工具支持,助力研究和开发

Search-R1 | #框架
Ryan Hart 的LLM学习法:用 AI 助手 Grok 作为个人导师,实现超快速学习。| #经验

提供 8 种学习提示,涵盖从技能特定学习到资源整理的全方位方法;强调个性化学习计划,帮助用户高效掌握任何技能;结合实际案例和加速学习技巧,让学习事半功倍
Back to Top