DS4SD/docling

Docling 是一个用于快速解析文档并导出为所需格式的工具。 它解决了将多种文档格式转换为 Markdown 和 JSON 的需求，使得处理和利用文档变得更加高效。

• 支持读取多种流行的文档格式（PDF、DOCX、PPTX、图像、HTML 等）并导出为 Markdown 和 JSON
• 具备先进的 PDF 理解能力，包括页面布局、阅读顺序及表格结构
• 提供统一且表达丰富的 DoclingDocument 表示格式
• 能够提取元数据，如标题、作者及语言等信息
• 与 LlamaIndex 与 LangChain 无缝集成，适用于强大的 RAG/QA 应用程序
• 支持扫描 PDF 文件的 OCR 功能
• 简单便捷的命令行界面

OthersideAI/self-operating-computer

self-operating-computer 是一个框架，旨在使多模态模型能够操作计算机。 该程序解决了让机器通过模拟人类操作员的输入和输出，以实现特定目标的问题。

• 兼容性：设计用于各种多模态模型。
• 集成：目前与 GPT-4o、Gemini Pro Vision、Claude 3 和 LLaVa 集成。
• 支持未来计划：将支持更多模型。
• 持续开发中：正在开发更准确点击位置预测的 Agent-1-Vision 模型，并即将提供 API 访问权限。

dreamgaussian/dreamgaussian

dreamgaussian 是一个用于高效 3D 内容创建的生成高斯点云实现。 该项目解决了将 2D 图像或文本转换为 3D 模型的复杂问题，提供了一种简便的方法来生成和可视化三维内容。

• 支持从图像到 3D 模型和从文本到 3D 模型的转换
• 提供 GUI 模式以方便训练过程中的可视化
• 兼容多种深度学习框架与工具，易于安装与使用
• 能够导出多种格式（如 OBJ、GLB）以满足不同需求
• 包含对 CLIP 相似性评估功能，有助于提高生成质量

Uniswap/v4-core

v4-core 是 Uniswap v4 的核心智能合约，提供可扩展和可定制的流动性池。 该项目解决了创建和执行流动性池操作（如交换和提供流动性）的复杂问题。

• 提供自动化市场制造商协议
• 支持灵活的池状态管理与操作
• 允许在解锁后进行多种交易动作，如交换、修改流动性等
• 可通过钩子合约实现自定义回调逻辑

THUDM/VisualGLM-6B

VisualGLM-6B 是一个开源的多模态对话语言模型，支持图像、中文和英文。

• 基于 ChatGLM-6B 构建，具有 62 亿参数；
• 图像部分通过 BLIP2-Qformer 训练构建视觉模型与语言模型之间的桥梁，总参数为 78 亿；
• 使用 CogView 数据集进行预训练，在微调阶段在长视觉问答数据上训练以生成符合人类偏好的答案；
• 基于 SwissArmyTransformer 库训练，提供了用户习惯接口和基于 sat 的接口；
• 支持消费级显卡上本地部署（INT4 量化级别下最低只需 6.3G 显存）。