Mechanism Design 相关的热门 GitHub AI项目仓库

AI低代码平台采用前后端分离架构，后端基于SpringBoot 2.x/3.x、SpringCloud，前端使用Ant Design和Vue3，数据库访问层使用MyBatis，安全框架采用Shiro。强大的代码生成器可一键生成前后端代码，无需编写任何代码！该平台引领AI低代码开发新模式：AI代码生成→在线编码→代码生成→人工合并，能解决Java项目中80%的重复性工作，让开发者更专注于业务逻辑，从而提高开发效率、降低成本，同时保持开发的灵活性。

使用Pytorch实现视觉Transformer，这是一种仅用单个Transformer编码器就能轻松达到图像分类领域最先进水平（SOTA）的简易方法。

RWKV（发音为RwaKuv）是一个具有出色大语言模型性能的循环神经网络（RNN），它也可以像GPT Transformer一样直接训练（可并行化）。我们现在处于RWKV-7 "鹅"阶段。因此，它结合了RNN和Transformer的优点——性能卓越、线性时间复杂度、常数空间复杂度（无键值缓存）、快速训练、无限上下文长度以及免费的句子嵌入。

创意编码：生成艺术、数据可视化、交互设计及相关资源

生成式AI全景图——令人惊叹的生成式AI应用集锦

这个仓库旨在作为机器学习/人工智能技术面试的指南。

使用Pytorch框架实现/复现OpenAI的文本转图像Transformer模型DALL-E

一个简洁完整、基于全注意力机制的Transformer模型，并整合了来自多篇论文中一些有前景的实验特性。

企业级、生产就绪的多智能体编排框架。网站：https://swarms.ai

一份关于视觉Transformer/注意力机制的全面论文列表，包含论文、代码和相关网站链接。

一些重要的图嵌入、分类和表示学习论文及其代码实现的集合。

构建可在实际应用中部署的实用生产级深度学习系统的指南

A collection of scientific methods, processes, algorithms, and systems to build stories & models.

大型语言模型 (LLM) 实用指南：从基础知识到利用 LLMOps 最佳实践在 AWS 上部署高级 LLM 和 RAG 应用

一套用于构建故事和模型的科学方法、流程、算法和系统。

图注意力网络 (论文链接：https://arxiv.org/abs/1710.10903)

免费获得关于股票、债券和期货的建议，方法是设计、训练和部署一个实时金融顾问大型语言模型系统——结合人工智能和机器学习的力量。

自动语音识别 (ASR)、说话人识别、语音合成、文本转语音 (TTS)、语言模型、歌声合成 (SVS)、语音转换 (VC)

这是Veličković等人于2017年发表的论文（https://arxiv.org/abs/1710.10903）中提出的图注意力网络模型的PyTorch实现。

图像字幕生成：PyTorch 教程 | 展示、关注和讲述