2024
2024.01-03--第15期
刊首图：跳跃吧！北极狐
闲情逸趣：维苏威古卷内容识别
重点关注：
| 序号 | 标题 | 简述 | 位置 |
|---|---|---|---|
| 1 | Copliot客户端 | 2023年12月底，微软的Copliot出iOS客户端了，在美区Apple Store下载，无需登录即可免费使用GPT-4。 | 2-1 |
| 2 | 视频生成模型Sora | OpenAI发布了扩散模型Sora，其关键之处在于一次生成多帧的预测，支持生成长达60s的高清视频。 | 2-3 |
| 3 | QAnything | 网易有道开源的知识库问答引擎，包括微调后的LLM，优化后的推理代码，向量数据库，前端界面等。 | 4-5 |
| 4 | vllm | vLLM 是一个高吞吐量、内存高效的语言模型推理和服务引擎，可用来部署高吞吐量的大模型服务。 | 4-6 |
| 5 | GPT-SoVITS | 只需要1分钟的音频文件就可以克隆声音，支持将多种语言的文本转为克隆声音，训练速度快，效果较好。 | 4-14 |
| 6 | StableCascade | 是Stability AI开发的基于Würstchen架构的新一代文生图模型，在性能及生成内容质量上均有所提升。 | 4-17 |
| 7 | TensorRT-LLM | NVIDIA TensorRT-LLM 是一个开源库，可加速和优化NVIDIA AI 平台上最新大型语言模型(LLM) 的推理性能。 | 4-18 |
| 8 | Qwen1.5 | 通义千问系列开源大模型，包括Base和Chat等多版本，开源了0.5B、1.8B、4B、7B、14B、72B等型号。 | 4-19 |
| 9 | grok-1 | 马斯克的 xAl 公司开发的大语言模型，拥有 3140 亿参数，是目前参数量最大的开源大语言模型。 | 4-20 |
| 10 | yolov9 | 主要破解的是数据通过深度网络传输时丢失的问题，具体来说就是“信息瓶颈和可逆函数”。 | 4-22 |
| 11 | TripoSR | TripoSR 是 Stability 与 Tripo AI 合作发布了 TripoSR，这是一种快速 3D 对象重建模型。 | 4-24 |
| 12 | axolotl | Axolotl 是一款旨在简化各种大语言模型微调的工具，为多种配置和架构提供支持。 | 4-28 |
| 13 | transformer-debugger | OpenAI 对齐团队开发的一种工具，旨在支持对小体量语言模型的特定行为进行检查。 | 4-29 |
| 14 | OOTDiffusion | 虚拟模特服装试穿工具，可根据不同性别和体型自动调整服装，可控试穿参数，自然融合与逼真效果。 | 4-30 |
| 15 | Copilot-GPT4-service | 作者发现 Github Copilot Chat 的底层是调用 ChatGPT 接口，因此做了这个工具。 | 5-3 |
| 16 | jan | Jan 是 ChatGPT 的开源替代品，可在本地计算机上离线运行。 | 5-4 |
| 17 | OpenVoice | OpenVoice一直在为myshell.ai提供即时语音克隆功能，全球用户已经使用了数千万次语音克隆模型。 | 5-5 |
| 18 | Imgae matting | 基于开源模型的在线抠图，支持人像和物体抠图，可以 docker 运行 ，无需 GPU。 | 5-10 |
| 19 | ComfyUI | ComfyUI是一个开源的基于图形界面Workflow可视化引擎，用于Stable Diffusion。 | 5-13 |
| 20 | restic | 一款强大的开源备份工具。它无需繁琐的配置，即可轻松完成备份和恢复操作。 | 5-14 |
| 21 | StreamDiffusion | 该项目利用多种模型加速工具，能以惊人的速度生成 AIGC 图像，单张 RTX4090 显卡可达 100 张/秒。 | 5-19 |
| 22 | chatgpt-on-wechat | 基于大模型搭建的微信聊天机器人，同时支持微信、企业微信、公众号、飞书、钉钉接入。 | 5-22 |
| 23 | windows | Docker 容器里运行 Windows 系统，可选择 Win7，Win10，Win11 等。 | 5-33 |
| 24 | Open-Sora | Open-Sora由Colossal-AI团队发起，旨在通过开源一套完整的AI驱动视频生成工具，降低视频创作的门槛。 | 5-39 |
| 25 | teleport | 一款 Go 写的企业级开源堡垒机。一个专为基础设施提供连接、身份验证、访问控制和安全审计的平台。 | 5-45 |
| 26 | ollama | Ollama是一个开源的大型语言模型服务工具，它帮助用户快速在本地运行大模型。 | 5-49 |
| 27 | devika | AI软件工程师，能够理解高层次的人类指令、将其分解成步骤、研究相关信息，并编写代码以实现目标。 | 5-50 |
| 28 | ChatRTX | 通过检索增强生成和 NVIDIA TensorRT-LLM 加速技术，可为 Windows 带来运行于本地的生成式 AI 功能。 | 5-51 |
| 29 | MoneyPrinterTurbo | 只需提供一个视频主题或关键词 ，就可以全自动生成视频素材、视频字幕等，然后合成一个高清的短视频。 | 5-52 |
| 30 | 大规模语言模型 | 复旦大学MOSS团队写的书。以Deepspeed-Chat为例介绍实现大语言模型和类ChatGPT系统的实践。 | 6-1 |
| 31 | 自然语言处理导论 | 复旦大学MOSS团队写的书。本书可以使读者对于自然语言处理有更加系统性且全面的了解。 | 6-2 |
| 32 | RAG-Survey | 复旦大学的检索增强生成RAG的技术趋势调查仓库，介绍了基本概念与理论，同时提供了相关前沿论文。 | 6-3 |
| 33 | llm-viz | 大模型推理过程可视化，左侧是模型结构总览图，包括模型的整体架构以及构成模型的组件。 | 6-9 |
PDF版本下载：2024.01-03--第15期 PDF版
2024.04-06--第16期
刊首图：冰立方
闲情逸趣：嫦娥六号带回世界首份月背样品
重点关注：
| 序号 | 标题 | 简述 | 位置 |
|---|---|---|---|
| 1 | xz后门事件 | 名为Jia Tan的账号向xz库提交恶意代码，它经过混淆只能在完整的下载包中找到，会修改系统中的OpenSSH。 | 2-2 |
| 2 | 弱智吧用于AI训练 | 弱智吧发言中包含了常识错误、语义错误、因果倒置和时序倒置等问题，能够有效地提升AI的逻辑推理能力。 | 2-3 |
| 3 | OpenAI发布GPT-4o | OpenAI发布的GPT-4o模型是GPT-4的优化版本，专注于提升性能和效率，显著减少了计算资源的需求。 | 2-6 |
| 4 | 比亚迪第五代DM-i | 目前比亚迪第五代DM-i双模混动系统达成的46.06%，已刷新了全球量产汽油发动机的最高纪录。 | 2-8 |
| 5 | Kling AI | 快手推出了可灵“文生视频”模型，可以生成长达2分钟的流畅视频，目前需要申请试用。 | 2-10 |
| 6 | Docker镜像站下架 | 国内镜像源因监管要求被下架，导致无法拉取Docker镜像，国内大多数常用的DockerHub镜像站均无法使用。 | 2-11 |
| 7 | RAPTOR | RAPTOR可帮助LLM更好地理解上下文，具有更宏观的理解，对于需要跨块摘要或多跳问答的场景非常有用。 | 3-6 |
| 8 | CriticGPT | CriticGPT不是给普通用户使用的，而是OpenAI内部关于模型监督模型的研究，用于给GPT-4的输出纠错。 | 3-8 |
| 9 | Qwen-VL | 通义千问大规模视觉语言模型增强版。大幅提升细节识别能力和文字识别能力，支持任意长宽比规格的图像。 | 4-6 |
| 10 | llama3 | Meta 发布了其最新版本的开源大语言模型 Llama3，本次放出了8B、70B的模型。 | 4-9 |
| 11 | GaLore | GaLore是一种允许全参数学习的训练策略，比常见的 LoRA 等方案更省显存，可以减少多达 65.5% 的显存。 | 4-14 |
| 12 | BAdam | BAdam的核心思想是依次求解块坐标优化子问题，因此与全参数 Adam 微调相比，需要的显存要少得多。 | 4-15 |
| 13 | yolov10 | YOLOv10的官方 PyTorch 实现，实时端到端物体检测。 | 4-16 |
| 14 | ChatTTS | 专门为对话场景设计的文本转语音模型，支持英语和中文两种语音。 | 4-17 |
| 15 | GLM-4 | GLM-4-9B 是智谱 AI 推出的最新一代预训练模型 GLM-4 系列中的开源版本。 | 4-20 |
| 16 | Qwen2 | Qwen2包含5种参数，包括Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B、Qwen2-72B。 | 4-21 |
| 17 | RAGFlow | RAGFlow是一款基于深度文档理解的开源 RAG引擎，它为任何规模的企业提供简化的 RAG 工作流程。 | 4-22 |
| 18 | TypeChat | TypeChat 是微软开放的用于让大语言模型输出符合类型定义的稳定结果的库，本质是加了校验与重试机制。 | 4-25 |
| 19 | Eval-Scope | Eval-Scope 项目中的提供了性能测试工具，可用来测试LLM服务的推理性能，评估是否满足生产需求。 | 4-26 |
| 20 | chat2db | Chat2DB是一个在数据库操作平台上嵌入了AI交互功能的工具，AI助手能够理解查询并生成对应的SQL代码。 | 4-28 |
| 21 | self-instruct | self-instruct是一种将预训练语言模型与指令对齐的方法，可通过模型自己生成数据，而不需要大量人工标注。 | 4-29 |
| 22 | LLaMA-Pro | LLaMA Pro是腾讯ARC实验室提出的一种大模型微调的方法，可以更好地解决微调的知识遗忘问题。 | 4-30 |
| 23 | MaxKB | 一款基于 LLM 大语言模型的知识库问答系统，可以无缝嵌入第三方网站，实现智能问答。 | 5-8 |
| 24 | MVSS-Net | 一个开源的真实图像篡改检测算法，作者提供了数据集及训练好的模型。 | 5-11 |
| 25 | Scrapegraph-ai | 一个由 AI 驱动的 Python 爬虫库，它借助 LLM 的能力，可以根据提示词自动抓取目标网站的数据。 | 5-40 |
| 26 | 大语言模型 | 免费阅读的电子书，作者是去年发表的大模型综述《A Survey of Large Language Models》的团队。 | 6-1 |
| 27 | 技术概念示意图 | 这个仓库收集各种技术概念的示意图，可以用来学习技术概念以及撰写技术文档。 | 6-4 |
| 28 | 理解深度学习 | 《理解深度学习》（Understanding Deep Learning），免费阅读的英文电子书，深度学习的入门教材。 | 6-12 |
| 29 | OpenAI图书馆工位 | OpenAI办公楼里有个很漂亮的图书馆。员工可以在里面读书、休息，也可以在这里办公，相当于工位。 | 7-5 |
| 30 | 动态二维码 | 二维码也可以是动态的，它每时每刻都在变化，读取到连续不断的数据，可以实现摄像头下载文件。 | 7-7 |
PDF版本下载：2024.04-06--第16期 PDF版
2024.07-09--第17期
未完待续...
2024.10-12--第18期
未完待续...