🧠 AgentEvolver: Эффективная система саморазвивающихся агентов

AgentEvolver — это комплексная платформа для самообучения агентов, объединяющая механизмы самовопроса, самонавигации и самоатрибуции. Она позволяет агентам автономно улучшать свои способности, обеспечивая эффективное и непрерывное развитие.

🚀Основные моменты:
- Автоматическая генерация задач для уменьшения затрат на создание данных.
- Оптимизация исследований через опыт, полученный от предыдущих задач.
- Тонкая настройка политики на основе атрибуции промежуточных шагов.
- Модульная архитектура для легкой настройки и расширения.
- Высокая производительность с меньшим количеством параметров по сравнению с аналогами.

📌 GitHub: https://github.com/modelscope/AgentEvolver

#python

🎬 HunyuanVideo-1.5: Легкая модель генерации видео

HunyuanVideo-1.5 — это мощная модель для создания видео с высоким качеством и всего 8.3 миллиарда параметров. Она оптимизирована для работы на потребительских GPU, что делает её доступной для разработчиков и креаторов. Репозиторий включает инструменты для генерации креативных видео.

🚀Основные моменты:
- Высокое качество видео с минимальными ресурсами
- Поддержка текстового и изображенческого ввода
- Оптимизирована для быстрого вывода на обычных GPU
- Открытый исходный код и доступные веса модели

📌 GitHub: https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5

#python

🧠 MiroThinker: Инновационный исследовательский агент

MiroThinker — это открытый исследовательский агент, который улучшает возможности рассуждений и поиска информации. Он поддерживает инструментальную помощь и демонстрирует выдающиеся результаты на различных бенчмарках, включая HLE и BrowserComp.

🚀 Основные моменты:
- 💡 Поддержка интерактивного масштабирования для глубоких взаимодействий.
- 📚 Доступ к уникальному набору данных MiroVerse с 147k образцами.
- 🔧 Инфраструктура для стабильного обучения моделей.
- 🤖 Совместимость с множеством бенчмарков и инструментов.

📌 GitHub: https://github.com/MiroMindAI/MiroThinker

#python

🚀 Ускорение Mixture-of-Experts с SonicMoE

SonicMoE — это высокопроизводимая реализация Mixture-of-Experts, оптимизированная для GPU NVIDIA Hopper. Использует CuTeDSL и Triton для достижения выдающихся результатов благодаря IO-оптимизациям.

🚀 Основные моменты:
- Поддержка архитектуры NVIDIA Hopper.
- Высокая производительность благодаря эффективным алгоритмам.
- Простота интеграции с PyTorch.
- Открытый код и возможность внесения вкладов.

📌 GitHub: https://github.com/Dao-AILab/sonic-moe

#python

🚀 Легкий плагин для оркестрации агентов OpenCode

oh-my-opencode-slim — это облегченная версия плагина, позволяющая вашему ИИ-ассистенту управлять сложными задачами через специализированные подагенты. С минимальным потреблением токенов, он идеально подходит для многозадачности и фоновых поисков.

🚀 Основные моменты:
- Легкая интеграция с Antigravity для оптимальной работы.
- Поддержка многопоточных рабочих процессов.
- Настраиваемые модели для каждого агента.
- Эффективное управление задачами с помощью специализированных агентов.

📌 GitHub: https://github.com/alvinunreal/oh-my-opencode-slim

#python

🚀 LLMRouter: Умная маршрутизация для LLM

LLMRouter — это библиотека для оптимизации работы с LLM, которая динамически выбирает наиболее подходящую модель для каждого запроса. Она поддерживает более 16 моделей маршрутизации, включая KNN, SVM и графовые методы, и предлагает унифицированный интерфейс командной строки для обучения и взаимодействия.

🚀 Основные моменты:
- Умная маршрутизация запросов на основе сложности и производительности.
- Поддержка множества моделей маршрутизации для различных стратегий.
- Полный интерфейс командной строки для удобного использования.
- Генерация обучающих данных из 11 наборов данных.

📌 GitHub: https://github.com/ulab-uiuc/LLMRouter

#python

📊 Модель EchoJEPA для эхокардиографии 🚀

EchoJEPA — это мощная модель, обученная на 18 миллионах эхокардиограмм, которая эффективно выделяет анатомические структуры, игнорируя шумы. Она демонстрирует выдающиеся результаты в оценке сердечных функций, превосходя существующие методы на 20% в точности. Модель также показывает высокую эффективность при использовании всего 1% размеченных данных.

🚀 Основные моменты:
- Обучение на крупнейшем наборе данных эхокардиограмм.
- Превосходит конкурентов в оценке сердечной функции.
- Высокая эффективность с минимальным количеством размеченных данных.
- Устойчивость к физическим искажениям.
- Отличные результаты в нулевом режиме на детских пациентах.

📌 GitHub: https://github.com/bowang-lab/EchoJEPA

#python

🧠 OpenClaw Medical Skills: Библиотека ИИ для медицины

OpenClaw Medical Skills — это обширная коллекция из 869 навыков для ИИ, охватывающая биомедицинские и клинические исследования. Эти модули преобразуют универсальных ИИ-агентов в мощных помощников для медицинских и научных задач, обеспечивая доступ к реальным базам данных и инструментам.

🚀 Основные моменты:
- 869 специализированных навыков для медицинских исследований
- Поддержка биоинформатики, геномики и клинической документации
- Интеграция с реальными API и базами данных
- Открытый код и сообщество для совместного использования ресурсов

📌 GitHub: https://github.com/FreedomIntelligence/OpenClaw-Medical-Skills

#python

🎥 Редактируй видео с помощью Claude Code

video-use — это инструмент для редактирования видео, который использует ИИ для автоматизации процесса. Просто поместите сырые кадры в папку, общайтесь с Claude Code и получайте готовое видео без лишних настроек.

🚀 Основные моменты:
- Удаляет лишние слова и паузы
- Автоматическая цветокоррекция сегментов
- Добавляет субтитры и анимации
- Оценивает качество на каждом этапе
- Сохраняет память о сессиях

📌 GitHub: https://github.com/browser-use/video-use

#python

🔍 Открытая теоретическая реализация Claude Mythos

OpenMythos — это открытый проект, который воссоздает модель Claude Mythos, используя Рекуррентный Глубокий Трансформер (RDT). Он сочетает в себе стандартные трансформерные блоки с рекуррентными циклами для более глубокого и адаптивного мышления, что позволяет эффективно обрабатывать сложные задачи.

🚀 Основные моменты:
- Реализация трехступенчатой архитектуры: Prelude, Recurrent Block и Coda.
- Переключаемое внимание между MLA и GQA.
- Использование разреженных экспертов для оптимизации вычислений.
- Поддержка глубокой экстраполяции и систематической генерализации.

📌 GitHub: https://github.com/kyegomez/OpenMythos

#python