这是一个使用现代C++实现的Peter Shirley光线追踪教程项目，相比原版代码性能提升明显，支持多核渲染，可复现三本书中的所有场景，包含GUI和命令行版本。
AirLLM是一个优化大语言模型推理内存使用的项目，允许70B参数模型在单张4GB显存的GPU上运行，无需量化、蒸馏或剪枝。它支持在资源受限的环境中高效部署和运行大型模型，目前还能在8GB显存上运行405B参数的Llama3.1。
SteerViT是一个框架，可为任何视觉Transformer(ViT)模型添加通过自然语言指令来灵活调控其全局和局部视觉表征的能力。它基于预训练的ViT模型，使用户能够用文本描述指导模型关注特定的视觉特征或区域，增强模型的可解释性和控制性。
这是一个基于NVIDIA CUDA加速计算的量化投资组合优化开发示例，通过cuDF/cuML加速数据处理和场景生成，使用cuOpt求解器高效解决Mean-CVaR投资组合优化问题，并提供策略回测功能，显著提升计算速度，支持快速迭代的投资决策流程。
GEPA是一个基于遗传算法和帕累托优化的AI框架，专门用于优化文本参数，如提示词、代码、代理架构和配置等。它利用LLM的反思能力进行多目标进化搜索，帮助用户高效改进各类基于文本的系统。
这是一个面向初学者和开发者的LLM微调教程仓库，提供从理论解释、数据处理、模型训练（SFT/RL）到部署的完整端到端流程，基于Jupyter Notebook实现，适合学习与实践。
这是一个专注于上下文学习和提示工程的资源集合库，包含最新论文、实践指南和大型语言模型(如ChatGPT、GPT-3)的使用教程，旨在帮助开发者掌握LLM的提示工程技巧和上下文学习能力，保持与时俱进。
该仓库是ICML 2025论文《Scaling Laws for Upcycling Mixture-of-Experts Language Models》的官方代码库。主要功能是提供数据和Jupyter Notebook分析脚本，用于复现论文中关于混合专家模型从头训练与“升级再造”的扩展律实验与分析。
这是一个基于WebUI的动漫角色图层自动分解工具，可将单张动漫插画自动分解为最多23个图层，支持本地运行且无需编程知识，通过双击安装和启动脚本即可使用。
Personal-Graph 是一个用于构建AI应用记忆系统的Python库。它通过知识图谱帮助解决AI系统（特别是大语言模型）的工作记忆和长期记忆问题，支持自然语言查询，并能集成本地或云数据库存储图数据和向量嵌入。
这是一个量化金融学习教程库，基于Quantopian讲义改编，使用免费样本数据进行定量分析和策略研究。提供从入门到进阶的完整Jupyter Notebook课程。
这是一个为期4个月的免费机器学习工程课程，涵盖从Python模型构建到生产部署的完整流程，包括线性回归、决策树、深度学习等算法，并使用Docker、FastAPI、Kubernetes等工具进行实战部署。
这是一个精心整理的资源列表，专注于人工智能和机器学习在金融领域的应用，为量化投资和交易策略提供全面的参考资料、工具和学习材料。
该仓库提供从零开始用PyTorch实现ChatGPT类大语言模型的代码教程，涵盖预训练、微调等全过程。配套同名书籍，适合学习LLM内部原理与实现。
SHAP 是一个基于博弈论Shapley值的机器学习模型解释工具，用于解释任何机器学习模型的输出，通过特征贡献度分配提供直观可解释性。
