#calibration 仓库
探索 33 个标记为 #calibration 的活跃开源 GitHub 仓库,它们累计获得 82,056 个 Star(平均每个项目 2,486 个)。该主题的领先项目是 NandhaKishorM/laya,拥有 35,758 个 Star。
共 33 个仓库
非自回归式 System 1 决策引擎。一次前向传递即可对任意文本进行类型化选择、评分和是/否决策,支持 100 多种语言,并配备可为每个请求选择正确检查点的路由器。
推荐/广告/搜索领域工业界经典以及最前沿论文集合。A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.
参数规模从 0.8B 到 27B 的开放式决策模型:一次推理即可为每个选项给出经过校准的概率,仅在不确定时提供简短思考。适用于 vLLM、llama.cpp 和 MLX 的引擎。
兼容 Jev 的开放决策模型 API 服务器。面向决策模型的 Ollama:可在本地拉取并运行 29 个模型系列(Laya、pplx-decider、Clef、Winnow、coba……),也可通过 /v1/systemone 自托管。TypeSafe SDK 无需任何改动即可使用:设置基础 URL 并选择一个开放模型。提供 CLI、桌面应用、Docker、MCP 服务器和公开基准测试。
通过经过校准的耗材分层混色,实现全彩平面 FDM 打印。还原图像色彩与明暗细节,微调局部配色方案,并导出可直接用于切片的 3MF 文件。
Awesome-LLM-Robustness:大型语言模型中的不确定性、可靠性和鲁棒性的精选列表
在 Jev 上发布你构建的内容。Jev 是 TypeSafe AI 的 System One 决策模型:一个每周更新的展示板,供创作者发布、用户投票;同时提供按决策模式分类的公开 Jev 示例索引,附来源引用、注明日期的链接检查和调用点文本检查;此处未对运行时和性能进行独立测试。英文/中文、JSON Schema、平台矩阵。
易于使用且准确的手眼校准,已与Kinect、Kinect v2、RGBD摄像头、光学跟踪器以及包括UR5和KUKA iiwa在内的多种机器人可靠工作多年(2016至今).
在 NVIDIA GPU 上对 StartLux-Decision 模型进行快速、精确推理:已发布的 GGUF 文件通过 /v1/systemone API 使用 int8 和 4 位张量核心运行,在 FP8 下延迟比 vLLM 最高降低 5.3 倍,且答案逐位一致。
常见问题解答
GitHub 上最受欢迎的 #calibration 仓库是什么?
GitHub 上排名第一的开源 #calibration 项目是 NandhaKishorM/laya,拥有 35,758 个 Star。非自回归式 System 1 决策引擎。一次前向传递即可对任意文本进行类型化选择、评分和是/否决策,支持 100 多种语言,并配备可为每个请求选择正确检查点的路由器。
#calibration 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #calibration 项目中,最常见的编程语言是 Python, C++, HTML, Rust。
#calibration 仓库的排名是如何计算的?
我们跟踪了 33 个标记为 #calibration 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 82,056 个 Star,平均每个仓库拥有 2,486 个 Star。排名每日根据 GitHub API 更新。