根据Github Trendings的统计,今日(2024-01-09统计)共有10个项目上榜。根据开发语言中项目的数量,汇总情况如下:
开发语言 | 项目数量 |
---|---|
Python项目 | 10 |
Jupyter Notebook项目 | 1 |
Payloads All The Things - 有用的Web应用程序安全负载和绕过列表
- 创建周期:2639 天
- 开发语言:Python
- 协议类型:MIT License
- Star数量:54334 个
- Fork数量:13822 次
- 关注人数:54334 人
- 贡献人数:261 人
- Open Issues数量:11 个
- Github地址:https://github.com/swisskyrepo/PayloadsAllTheThings.git
- 项目首页: https://swisskyrepo.github.io/PayloadsAllTheThings/
Payloads All The Things是一个开源项目,提供了一份全面的有用的Web应用程序安全负载和绕过列表,旨在进行渗透测试和CTF挑战。该项目鼓励贡献,并为每个部分提供了文档,包括漏洞描述、利用技术和相关文件。此外,它还包括一个方法论和资源文件夹,涵盖了诸如Active Directory Attack、云渗透测试、Cobalt Strike、Linux和Windows安全、Metasploit、网络枢纽、反向Shell、子域枚举等各种主题。该项目还承认了公司的贡献和赞助。
Open Interpreter: 一种自然语言接口
- 创建周期:179 天
- 开发语言:Python
- 协议类型:GNU Affero General Public License v3.0
- Star数量:36253 个
- Fork数量:3170 次
- 关注人数:36253 人
- 贡献人数:69 人
- Open Issues数量:163 个
- Github地址:https://github.com/KillianLucas/open-interpreter.git
- 项目首页: http://openinterpreter.com/
Open Interpreter 是一种自然语言接口,允许LLMs在本地运行代码,使用户能够通过终端中类似于ChatGPT的界面与计算机的通用功能进行交互。它提供了创建和编辑各种类型文件、控制Chrome浏览器进行研究以及分析大型数据集的能力。在执行代码之前,用户需要批准该代码。
使用RAG框架开发Sadhguru AI应用程序
- 创建周期:203 天
- 开发语言:Python
- 协议类型:Apache License 2.0
- Star数量:6827 个
- Fork数量:1195 次
- 关注人数:6827 人
- 贡献人数:74 人
- Open Issues数量:147 个
- Github地址:https://github.com/embedchain/embedchain.git
- 项目首页: https://docs.embedchain.ai
开源的RAG框架被用于开发最新的Sadhguru AI应用程序,使用Embedchain。
vits2骨干网络与多语言bert项目
- 创建周期:164 天
- 开发语言:Python
- 协议类型:GNU Affero General Public License v3.0
- Star数量:4457 个
- Fork数量:654 次
- 关注人数:4457 人
- 贡献人数:27 人
- Open Issues数量:4 个
- Github地址:https://github.com/fishaudio/Bert-VITS2.git
该项目基于vits2骨干网络与多语言bert,灵感来源于anyvoiceai/MassTTS项目的核心思路。
MLX示例:学习如何使用MLX框架的独立示例
- 创建周期:42 天
- 开发语言:Python
- 协议类型:MIT License
- Star数量:3434 个
- Fork数量:510 次
- 关注人数:3434 人
- 贡献人数:59 人
- Open Issues数量:44 个
- Github地址:https://github.com/ml-explore/mlx-examples.git
MLX示例存储库包含一些独立的示例,演示了如何使用MLX框架。MNIST示例对于初学者学习如何使用MLX非常有帮助。
CrewAI:先进的自主AI代理编排框架
- 创建周期:73 天
- 开发语言:Python
- 协议类型:MIT License
- Star数量:2488 个
- Fork数量:265 次
- 关注人数:2488 人
- 贡献人数:12 人
- Open Issues数量:35 个
- Github地址:https://github.com/joaomdmoura/crewAI.git
- 项目首页: https://crewai.io
CrewAI是一个先进的框架,用于编排角色扮演的自主AI代理,促进协作智能,使代理能够在复杂任务上无缝合作。
移动ALOHA的模仿学习算法和协同训练
- 创建周期:96 天
- 开发语言:Python
- 协议类型:MIT License
- Star数量:956 个
- Fork数量:189 次
- 关注人数:956 人
- 贡献人数:3 人
- Open Issues数量:6 个
- Github地址:https://github.com/MarkFzp/act-plus-plus.git
- 项目首页: https://mobile-aloha.github.io/
Imitation Learning算法和协同训练用于移动ALOHA是一个专注于为移动通信系统开发ACT、Diffusion Policy和VINN算法的项目。
从音频到逼真的具象化:合成对话中的人类
- 创建周期:5 天
- 开发语言:Python, Jupyter Notebook
- 协议类型:Other
- Star数量:973 个
- Fork数量:115 次
- 关注人数:973 人
- 贡献人数:7 人
- Open Issues数量:5 个
- Github地址:https://github.com/facebookresearch/audio2photoreal.git
该项目提供了“从音频到逼真的具象化:合成对话中的人类”的PyTorch实现。它包括训练和测试代码、预训练的运动模型以及对数据集的访问。
skfolio: 基于scikit-learn的Python投资组合优化库
- 创建周期:26 天
- 开发语言:Python
- 协议类型:BSD 3-Clause “New” or “Revised” License
- Star数量:183 个
- Fork数量:16 次
- 关注人数:183 人
- 贡献人数:1 人
- Open Issues数量:0 个
- Github地址:https://github.com/skfolio/skfolio.git
- 项目首页: https://skfolio.org
skfolio是一个基于scikit-learn的Python投资组合优化库。它提供了与scikit-learn兼容的统一接口和工具,用于构建、微调和交叉验证投资组合模型。该库提供了各种投资组合优化模型、预期收益估计器、协方差估计器、距离估计器、先验估计器、不确定性集估计器、预选择转换器、交叉验证和模型选择方法、超参数调整、风险测量和优化特性。它遵循与scikit-learn相同的API,并在开源3-Clause BSD许可下发布。
crewAI: 航空业机组管理和排班平台
- 创建周期:21 天
- 开发语言:Python
- Star数量:120 个
- Fork数量:40 次
- 关注人数:120 人
- 贡献人数:5 人
- Open Issues数量:7 个
- Github地址:https://github.com/joaomdmoura/crewAI-examples.git
crewAI是一个旨在为航空业提供机组管理和排班平台的开源项目。它提供机组分配、可用性跟踪和排班优化等功能。