MolmoWeb是一个开源的多模态网页智能代理，能够理解自然语言任务并自主控制浏览器（点击、输入、滚动、导航）完成任务。包含代理代码、推理客户端、评估基准等完整资源。
SceneGen是一个基于单张图像快速生成3D场景的AI模型，通过前向传播一步完成3D场景生成。提供完整的PyTorch实现，包含训练、推理代码和预训练模型，适用于3D内容生成研究与应用。
这是一个基于Transformers和Optimum的Whisper音频转录CLI工具，通过flash-attn等技术实现极速本地转录，可在不到98秒内转录2.5小时音频。
这是一个包含OpenVINO™工具包教程的Jupyter Notebook集合，用于学习和实践深度学习推理优化。它提供了从基础到应用的代码示例，帮助开发者快速掌握OpenVINO API的使用。
GTSAM是一个用于机器人和计算机视觉的C++平滑与建图（SAM）库，使用因子图和贝叶斯网络作为核心计算范式，替代稀疏矩阵方法，主要解决位姿估计、SLAM等问题。
TADA是一个开源的语音语言模型，通过文本-音频双重对齐框架，实现高保真语音合成和生成。它采用创新的分词器与架构设计，将语音和文本同步为统一流，显著降低计算开销，适用于多种语音处理任务。
LocoOperator-4B是一个基于Qwen3-Coder-Next蒸馏的4B参数代码库探索智能体，旨在作为本地副代理，实现快速、零API成本的代码库导航和分析。
这是一个基于迪杰斯特拉算法的追捕模拟项目，模拟小偷（车A）和警察（车B）在加权有向图上的追逐场景。项目包含动态事件（交通堵塞、道路封锁、单向通行变化）的模拟，并提供可视化和日志记录功能。
这是一个RAG投毒安全实验项目，通过将恶意数据注入向量数据库来演示如何污染检索增强生成系统。包含Flask界面、FAISS向量存储和轻量级演示，帮助学习RAG架构、攻击面、投毒技术及防御策略。
TorchCode是一个用于PyTorch算法实践的Jupyter Notebook项目，通过从零实现softmax、注意力机制和GPT-2等核心算法来强化面试技能，提供自动评分功能，可自托管或在线使用。
提供100多个针对各种大语言模型进行微调的Jupyter Notebook教程，涵盖数据处理、训练、评估和模型保存，主要支持Google Colab和Kaggle平台，帮助用户快速上手微调实践。
DEIMv2是基于DINOv3特征增强的实时目标检测框架，提供从超轻量到大型的多种模型尺寸，在COCO等基准测试中达到先进性能，适用于需要高效物体识别的场景。
这个仓库是《AI Engineering》一书的配套资源库，为AI工程师提供学习材料，包括章节摘要、学习笔记、实用工具示例和案例研究，帮助开发者掌握基础模型的应用和工程实践。
该仓库使用AI技术检测图像中的成人内容并进行过滤，基于YOLO v11和HuggingFace预训练模型，提供图像识别与过滤脚本，可用于内容审核等场景。
这是一个基于计算机视觉和深度学习的实时手语识别系统，使用OpenCV和TensorFlow/Keras框架。它能识别美式手语(ASL)手势并将手语转换为语音，帮助残障人士进行沟通。
