yaklang首頁、文檔和下載- 網絡安全領域編程語言- Development details

yaklang 是由電子科技大學網絡空間安全研究院聯合yaklang.io 團隊推出的中國首款網絡安全領域編程語言。 為了加速安全產品和安全工具的工程化研發,我們創建了一門新的語言(Yaklang),並且同時實現了一個棧虛擬機(YakVM)。 Yaklang 是一門圖靈完備的編程語言,其語法由上下文無關文法定義。它運行在YakVM 上。 為什麼要做DSL? (Why DSL?) 提高生產力。 DSL 設計簡潔高效,專注於解決特定問題,可以大大提高開發效率和生產力。 改善抽象能力。 DSL 可以幫助開發者利用高層抽象構建解決方案,不需要處理底層細節,提高開發效率。 可維護性好。 DSL 語言簡單明了,代碼也更加清晰易讀,這有利於代碼的維護和擴展。 可靠性高。 DSL 專註一定領域,語言和語義都更加精確,這有助於編寫出更加可靠的程序。 易於嵌入。 DSL可以很容易地嵌入到一門宿主語言中,實現起來非常方便。 …

Track-Anything首頁、文檔和下載- 交互式視頻對象跟踪和分割工具- Development details

Track-Anything 是一個靈活的互動工具,用於視頻對象的跟踪和分割,基於Segment Anything、XMem 和E2FGVI。 在跟踪過程中,用戶可以靈活地改變他們想要跟踪的對象,或者在有歧義的情況下更正感興趣的區域。這些特性使 Track-Anything 適用於: 具有鏡頭變化的視頻對象跟踪和分割。 視頻目標跟踪和分割的可視化開發和數據註釋。 以對象為中心的下游視頻任務,例如視頻修復和編輯。 #TrackAnything首頁文檔和下載 #交互式視頻對象跟踪和分割工具 #Development details

華駝首頁、文檔和下載- 基於中文醫學知識的LLaMA 微調模型- Development details

華駝(HuaTuo)是基於中文醫學知識的LLaMA 微調模型。 此項目開源了經過中文醫學指令精調/指令微調(Instruct-tuning)的LLaMA-7B 模型。通過醫學知識圖譜和GPT3.5 API 構建了中文醫學指令數據集,並在此基礎上對LLaMA 進行了指令微調,提高了LLaMA 在醫療領域的問答效果。 訓練樣本的示例如下: 模型效果對比: 測試輸入 Llama輸出 Alpaca輸出 Huatuo華駝輸出 小張最近感覺身體不適,出現心悸、氣促等症狀。體檢發現心臟擴大、搏動減弱。 問題:小張最近感覺身體不適,出現心悸、氣促等症狀。體檢發現心臟擴大、搏動減弱。 最近,小張一直感覺身體不舒服,有心煩意亂、呼吸急促等症狀。體格檢查顯示心臟增大,肌肉無力。 …

Semantra首頁、文檔和下載- 語義搜索的多功能工具- Development details

Semantra 是一種用於語義搜索文檔的多用途工具。按意思查詢,而不僅僅是匹配文本。 該工具在命令行上運行,分析計算機上指定的文本和PDF 文件,並啟動本地網絡搜索應用程序以交互方式查詢它們。 Semantra 的目的是使運行專門的語義搜索引擎變得簡單、友好、可配置且私密/安全。 Semantra 是為那些需要大海撈針的個人而設計的—— 記者在截止日期前篩選洩露的文件、研究人員在論文中尋求見解、學生通過查詢主題參與文學、歷史學家將書籍中的事件聯繫起來,等等。 #Semantra首頁文檔和下載 #語義搜索的多功能工具 #Development details

SkyAGI首頁、文檔和下載- LLM 中新興的人類行為模擬能力- Development details

SkyAGI 是一個Python 包,它展示了LLM 在模擬可信的人類行為方面的新興能力。具體來說,SkyAGI 實現了生成代理的理念並提供一個角色扮演遊戲,創造一個非常有趣的用戶體驗。 與以前基於AI 的NPC 系統不同,SkyAGI的NPC 會產生非常可信的人類反應。該演示中有趣的觀察顯示了在許多方面重新思考遊戲開發的巨大潛力,例如NPC 腳本編寫。 為了證明這一點,SkyAGI 提供了來自《生活大爆炸》和《復仇者聯盟》的示例人物作為起點。用戶也可以通過創建config json 文件(如customized_character.json)來定義自定義的角色。關於有趣的觀察結果的細節,可參考觀察部分。 #SkyAGI首頁文檔和下載 #LLM #中新興的人類行為模擬能力 #Development details

ZonyLrcToolsX首頁、文檔和下載- 歌詞下載工具- Development details

ZonyLrcToolX 4 是一個基於CEF 的跨平台歌詞下載工具。 🚧 當前版本正在開發當中。🚧 如果你想查看可以工作的代碼,請切換到dev 分支。 工具會執行每日構建動作,請訪問 Release 頁面進行下載。 Windows 用戶請在軟件目錄當中,按住Shift + 右鍵呼出菜單,然後選擇PowerShell/命令提示符/Windows 終端,根據下述說明執行命令即可。 macOS 和Linux 用戶請打開終端,切換到軟件目錄,一樣執行命令即可。 子命令 下載功能 子命令為 download,可用於下載歌詞數據和專輯圖像,支持多個下載器進行下載。 .\ZonyLrcTools.Cli.exe download -d|dir <WAIT_SCAN_DIRECTORY> [-l|–lyric] [-a|–album] [-n|–number] …

Taskbar-Lyrics首頁、文檔和下載- Windows 11 任務欄歌詞工具- Development details

Taskbar-Lyrics 是一款BetterNCM(網易云客戶端插件管理器) 插件,可在任務欄上嵌入歌詞,目前僅建議Windows 11。 注意:只適配原版任務欄,使用第三方軟件修改可能出現問題 編譯需安裝以下庫: cpp-httplib:x86-windows nlohmann-json:x86-windows #TaskbarLyrics首頁文檔和下載 #Windows #任務欄歌詞工具 #Development details

Pandas AI首頁、文檔和下載- 為Pandas 庫加入AI 功能- Development details

Pandas AI 是一個Python 庫,它為流行的Python 數據分析和操作工具Pandas 庫添加了生成人工智能功能,旨在與Pandas 結合使用,而不是它的替代品。 Demo 在瀏覽器中試用PandasAI: 安裝 用法 PandasAI 旨在與Pandas 結合使用。它使Pandas 具有對話性,允許以Pandas DataFrames 的形式提出有關數據的問題並獲得答案。 例如,您可以要求PandasAI 查找DataFrame 中列值大於5 的所有行,它將返回僅包含這些行的DataFrame: import pandas as pd from pandasai import PandasAI # …

Tailchat首頁、文檔和下載- 開源IM 應用- Development details

Tailchat:你自己工作區中的下一代noIM 應用程序。 Tailchat 是一款插件化易拓展的開源IM 應用。可拓展架構賦予 Tailchat 無限可能性。 前端微內核架構+ 後端微服務架構使得 Tailchat 能夠駕馭任何定制化/私有化的場景 面向企業與私域用戶打造,高度自由的群組管理與定制化的面板展示可以讓私域主能夠更好的展示自己的作品,管理用戶,打造自己的品牌與圈子。 完整的即時通訊基礎能力 插件化架構的賦予的自由拓展能力 微服務架構賦予的水平拓展能力 基於mini-star的前端微內核架構與基於moleculer的後端微服務架構可以適應各種用戶用量,便於拓展 完整的聊天系統,支持提及、面板跳轉、富文本、markdown、url鏈接等各種語法 消息reaction機制,讓你通過表情表達自己 文件分享與圖片發送 支持語音通話與視頻通話 …

Flowise首頁、文檔和下載- 輕鬆構建LLM 應用程序- Development details

Flowise 是一個開源UI 可視化工具,使用以Node Typescript/Javascript 編寫的LangchainJS 構建自定義LLM 流程。 Language Translation Chain:使用帶有聊天提示模板和聊天模型的LLM Chain 進行語言翻譯 有記憶的會話代理:聊天模型的會話代理,它利用聊天特定提示和緩衝存儲器 #Flowise首頁文檔和下載 #輕鬆構建LLM #應用程序 #Development details

ChatVRM首頁、文檔和下載- 與瀏覽器中的3D 角色交談- Development details

ChatVRM 可輕鬆地與瀏覽器中的3D 角色交談。通過導入VRM 文件,可以調整聲音以匹配角色,並生成包含情感表達的響應。 ChatVRM的各項功能主要使用了以下技術。 用戶語音識別 生成響應文本 生成朗讀音頻 顯示3D 角色 演示 https://pixiv.github.io/ChatVRM 執行 克隆或下載此存儲庫以在本地運行。 git clone git@github.com:pixiv/ChatVRM.git 請安裝所需的軟件包。 包安裝完成後,使用以下命令啟動開發Web 服務器。 執行後,訪問以下URL,查看運行情況。 http://本地主機:3000 ChatGPT API ChatVRM 使用ChatGPT API 生成響應。 有關ChatGPT API …

VLE首頁、文檔和下載- 視覺-語言多模態預訓練模型- Development details

VLE (Vision-Language Encoder) 是一種基於預訓練文本和圖像編碼器的圖像-文本多模態理解模型,可應用於如視覺問答、圖像-文本檢索等多模態判別任務。特別地,在對語言理解和推理能力有更強要求的視覺常識推理(VCR)任務中,VLE取得了公開模型中的最佳效果。 在線演示地址:https://huggingface.co/spaces/hfl/VQA_VLE_LLM VLE模型採用雙流結構,與METER模型結構類似,由兩個單模態編碼器(圖像編碼器和文本編碼器)和一個跨模態融合模塊構成。 VLE與METER的結構上的差異在於: VLE使用DeBERTa-v3作為文本編碼器,其性能優於METER中使用的RoBERTa-base。 在VLE-large中,跨模態融合模塊的隱層維度增加至1024,以增加模型的容量。 在精調階段,VLE引入了額外的token類型向量表示。 預訓練 VLE使用圖文對數據進行預訓練。在預訓練階段,VLE採用了四個預訓練任務: MLM (Masked Language Modeling):掩碼預測任務。給定圖文對,隨機遮掩文本中的部分單詞,訓練模型還原遮掩的文本。 ITM (Image-Text Matching):圖文匹配預測任務。給定圖文對,訓練模型判斷圖像和文本是否匹配。 MPC (Masked Patch-box Classification):遮掩Patch分類任務,給定圖文對,並遮掩掉圖片中包含具體對象的patch,訓練模型預測被遮掩的對象種類。 PBC (Patch-box classification):Patch分類任務。給定圖文對,預測圖片中的哪些patch與文本描述相關。 VLE在14M的英文圖文對數據上進行了25000步的預訓練,batch大小為2048。下圖展示了VLE的模型結構和部分預訓練任務(MLM、ITM和MPC)。 下游任務適配 視覺問答(VQA) 遵循標準做法,使用VQA的訓練集(training …

Drizzle ORM首頁、文檔和下載- 用於SQL 數據庫的TypeScript ORM – Development details

Drizzle ORM 是用於SQL 數據庫的TypeScript ORM,在設計時考慮到了最大的類型安全性。它帶有用於自動生成SQL 遷移的drizzle-kit CLI 。 Drizzle ORM 是一個庫,而不是一個框架,它的主要哲學是“如果你知道SQL,你就知道Drizzle ORM”,因此設計的時候盡可能遵循類似SQL 的語法,強類型化並在編譯時就會失敗,而不是在運行時。 功能列表 全類型安全 智能自動遷移生成 沒有ORM 學習曲線 用於表定義和查詢的類似於SQL 的語法 一流的全類型連接 任何復雜性的全類型部分和非部分選擇 自動推斷DB 模型的TS 類型以分別選擇和插入 Zod 架構生成 零依賴 支持的數據庫 安裝 …

WingetUI首頁、文檔和下載- 軟件包管理器的GUI – Development details

WingetUI 的主要目標是為Windows 上最常見的CLI 軟件包管理器(如Winget、Scoop 和Chocolatey)創建一個直觀的GUI 的項目。 WingetUI 提供了一個友好、易於使用的用戶界面,讓用戶不再需要通過Windows 終端、PowerShell 或命令提示符來使用。借助WingetUI,用戶能夠輕鬆地下載、安裝、更新和卸載任何在支持的軟件包管理器上發布的軟件。 特徵 WingetUI 能夠從Winget、Scoop 和Chocolatey 安裝、更新和卸載包。 WingetUI 還會檢測您手動安裝的應用程序是否可以更新! 它還可以升級和卸載以前安裝的軟件包,以及卸載內置的Windows 應用程序 WingetUI 能夠導入和導出選擇的軟件包 安裝舊版本的應用程序。 WingetUI 在有可用更新時顯示通知 …

KernelSU首頁、文檔和下載- Android root 方案- Development details

KernelSU 是一個Android 上基於內核的root 方案。 特性 基於內核的su 和權限管理,KernelSU 在Linux 內核模式下工作,它對用戶空間應用程序有更多的控制權。 只有獲得root權限的App才能訪問su,其他app 無法感知su。 基於overlayfs 的模塊系統,KernelSU 支持通過overlayfs 修改/system,它甚至可以使/system 可寫。 兼容狀態 KernelSU 官方支持GKI 2.0 的設備(內核版本5.10以上);舊內核也是兼容的(最低4.14+),不過需要自己編譯內核。 WSA 和運行在容器上的Android 也可以與KernelSU 一起工作。 目前支持架構 : arm64-v8a 和 x86_64 …