#decision-model Repository
Scopri 15 repository GitHub open source attivi contrassegnati con #decision-model, che raccolgono un totale di 64,960 stelle (con una media di 4,330 stelle per progetto). Il progetto leader di questo argomento è NandhaKishorM/laya, con 35,758 stelle.
15 repository in totale
Motore decisionale System 1 non autoregressivo. Esegue decisioni tipizzate di scelta, valutazione e sì/no su qualsiasi testo in un singolo passaggio in avanti, in oltre 100 lingue, con un router che seleziona il checkpoint corretto per ogni richiesta.
Famiglia di modelli decisionali simili a Jev, basati su Qwen3.5/3.8, che puoi addestrare ed eseguire autonomamente
Runtime MLX nativo per i modelli decisionali tipizzati di Laya: decisioni brevi in 7–14 ms su un M3 Max. Nessuna generazione di testo, né PyTorch o API cloud.
Decisioni tipizzate Laya locali su Apple Core ML e Neural Engine. Port validati, decisioni brevi di circa 5 ms su M3 Max e benchmark riproducibili di velocità e consumo energetico.
Trasforma qualsiasi LLM in un modello decisionale in stile Jev: decisioni tipizzate, probabilità reali, senza addestramento. (Aggiornamenti continui; sono benvenute segnalazioni di problemi e richieste di PR)
Server API compatibile con Jev per modelli decisionali aperti. Ollama per modelli decisionali: scarica ed esegui localmente 29 famiglie di modelli (Laya, pplx-decider, Clef, Winnow, coba...) oppure ospitali autonomamente dietro /v1/systemone. L'SDK TypeSafe funziona senza modifiche: imposta l'URL di base e scegli un modello aperto. CLI, app desktop, Docker, server MCP e benchmark pubblico.
Esegui Laya, il modello decisionale System-1 open source compatibile con Jev, da Node.js / TypeScript tramite ONNX Runtime
jevos: un'alternativa open source a Jev e Microsoft-Decision-1. Decisioni sì/no, scelte e punteggi con probabilità, eseguiti sulla CPU del tuo laptop.
Modelli aperti di decisione multimodale, da 0,8B a 27B, per testo, immagini e video. Decidi assegnando probabilità ai tuoi candidati e individua gli elementi con riquadri di delimitazione, invece di generare testo. API gratuita, ONNX, GGUF, vLLM e SGLang; codice per il fine-tuning incluso.
Il modello decisionale open source System One. Meno di 15 ms, non autoregressivo e alternativa locale drop-in a TypeSafe Jev.
Foca maculata — Phocinae-Largha-150M-v1: un modello bilingue per le decisioni da 144,3 M. Modello piccolo. Grandi decisioni. Piccola foca, grandi decisioni.
Awesome Jev: radar dell’ecosistema open source basato su fonti, scoperta di progetti in linguaggio semplice e sincronizzazione automatica con GitHub
Compilatore di intenti per agenti IA — converte richieste vaghe in contratti IntentSpec tipizzati (sondare, chiedere o arrestarsi prima del routing), il livello di input per router e modelli decisionali tipizzati come Jev e Laya
Pubblica ciò che hai creato su Jev, il modello decisionale System One di TypeSafe AI: una bacheca settimanale in cui i creatori pubblicano e gli utenti votano, con un indice di esempi pubblici di Jev organizzati per schema decisionale, citazioni delle fonti, controlli dei link con data e controlli del testo nei punti di chiamata; qui il runtime e le prestazioni non vengono testati in modo indipendente. EN/中文, schema JSON, matrice delle piattaforme.
Uso locale del computer su Apple silicon: decisioni tipizzate sul dispositivo con laya e compilazione di moduli con CUA-S1-FORMS, tramite l’API di accessibilità di macOS
Domande frequenti
Qual è il repository #decision-model più popolare su GitHub?
Il progetto open source #decision-model più alto in classifica su GitHub è NandhaKishorM/laya, con 35,758 stelle. Motore decisionale System 1 non autoregressivo. Esegue decisioni tipizzate di scelta, valutazione e sì/no su qualsiasi testo in un singolo passaggio in avanti, in oltre 100 lingue, con un router che seleziona il checkpoint corretto per ogni richiesta.
Quali linguaggi di programmazione sono più utilizzati nei repository #decision-model?
Tra i progetti #decision-model più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Rust, TypeScript, C++.
Come viene calcolata la classifica dei repository #decision-model?
Monitoriamo 15 repository open source attivi contrassegnati con #decision-model (500+ stelle), per un totale di 64,960 stelle e una media di 4,330 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.