#machine-learning-research Dépôts
Découvrez 72 dépôts GitHub open source actifs associés à #machine-learning-research, cumulant 144,574 étoiles au total (soit une moyenne de 2,007 étoiles par projet). Le projet en tête de ce thème est KindXiaoming/pykan, avec 16,291 étoiles.
72 dépôts au total
Une ressource éducative pour aider quiconque à apprendre l'apprentissage par renforcement profond.
L'IA Scientifique-v2 : Découverte Scientifique Automatisée de Niveau Atelier via la Recherche Arborescente Agentive
OpenFace – un outil de pointe destiné à la détection de points de repère faciaux, à l'estimation de la pose de la tête, à la reconnaissance d'unités d'action faciale et à l'estimation du regard des yeux.
Code pour l'article "Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer"
Cours intensif sur l'IA pour aider les constructeurs occupés à rattraper la recherche publique sur l'IA en 2 semaines
Une bibliothèque PyTorch pour l'implémentation d'algorithmes de flow matching, avec des implémentations continues et discrètes de flow matching. Elle comprend des exemples pratiques pour les modalités textuelles et d'image.
Une collection d'articles de recherche sur les arbres de décision, de classification et de régression avec implémentations.
Assistant Langage-et-Vision à grande échelle pour la biomédecine, construit vers des capacités multimodales de niveau GPT-4.
Machines à Pensée Continue, car la pensée prend du temps et le raisonnement est un processus.
Une liste organisée d'articles, d'articles et de ressources liés à la sécurité axés sur les grands modèles de langage (LLM). Ce référentiel vise à fournir aux chercheurs, aux praticiens et aux passionnés des informations sur les implications, les défis et les avancées en matière de sécurité entourant ces modèles puissants.
TorchMultimodal est une bibliothèque PyTorch pour l'entraînement de modèles multimodaux multi-tâches à la pointe de la technologie à grande échelle.
ShinkaEvolve : Vers une évolution de programmes sans limite et efficace en échantillons 🧬
LLM Transparency Tool (LLM-TT), une boîte à outils interactive open-source pour analyser le fonctionnement interne des modèles linguistiques basés sur Transformer. *Découvrez la démo sur* https://huggingface.co/spaces/facebook/llm-transparency-tool-demo
Une méthode simple pour effectuer un apprentissage semi-supervisé avec des données limitées.
Recettes pour mettre à l'échelle le calcul en temps d'inférence des modèles ouverts
Une enquête et une liste d'articles sur les modèles de diffusion actuels pour les données de séries temporelles et spatio-temporelles avec d'excellentes ressources (articles, applications, critiques, enquêtes, etc.).
L'implémentation officielle pour [NeurIPS2025 Oral] Gated Attention pour les Grands Modèles de Langage : Non-linéarité, Sparsité et Sans Attention-Sink (Attention-Sink-Free)
AugMix : Une méthode simple de traitement des données pour améliorer la robustesse et l'incertitude
[ICLR 2025] Samba : Modèles hybrides simples à espace d'états pour une modélisation de langage à contexte illimité et efficace
Un benchmark d'instructions basé sur des principes pour la formulation de requêtes et d'invites efficaces pour les grands modèles linguistiques (LLM). Notre article : https://arxiv.org/abs/2312.16171
Une implémentation minimale de PyTorch de modèles de diffusion probabilistes pour des ensembles de données 2D.
Curatage d'une liste de recherches, outils, projets et autres ressources liés à l'AutoML
Code pour le papier NeurIPS 2024 - Le GAN est mort ; longue vie au GAN ! Un GAN de base moderne – par Huang et al.
Le meilleur dépôt montrant pourquoi les transformeurs pourraient ne pas être la réponse pour la prévision de séries chronologiques et présentant les meilleurs modèles SOTA non transformeurs.
DiffuCoder : Comprendre et améliorer les modèles de diffusion masqués pour la génération de code
Ce dépôt contient les ressources (articles, blogs, sites web, etc.) qu'Ilya a recommandées pour en savoir plus sur l'intelligence artificielle.
LLM4AD : une plateforme pour la conception d’algorithmes avec des modèles de langue de grande taille
Foire aux questions
Quel est le dépôt #machine-learning-research le plus populaire sur GitHub ?
Le projet #machine-learning-research open source le mieux classé sur GitHub est KindXiaoming/pykan, avec 16,291 étoiles. Réseaux de Kolmogorov Arnold
Quels langages de programmation sont les plus utilisés dans les dépôts #machine-learning-research ?
Parmi les projets #machine-learning-research les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, HTML, MATLAB.
Comment le classement des dépôts #machine-learning-research est-il calculé ?
Nous suivons 72 dépôts open source actifs associés à #machine-learning-research (500+ étoiles), totalisant 144,574 étoiles, avec une moyenne de 2,007 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.