网络结构```输入(3,256,256)├─ConvStem/448ch──────────────────────────────┐(解码器skip)├─PatchMerging/8128ch→4×VSSBlock──────►F8│主路径├─PatchMerging/16192ch→2×VSSB

ABCR是一个研究「AI人格能否被设计、测量和控制」的开源项目，用单案例（N=1）长期实验的方法，研究大模型人格背后的机制。1.三层框架：预训练形成人格的坐标系，后训练设定默认位置并调节表达强度，据此判断哪些人格可以通过提示层稳定塑造。2.迭代式实验流程：边学理论边测试人格，反思「为什么凑效」，做出

面向Cursor/ClaudeCode/Codex等Agent的开源Skill：教Agent「真正读视频与社交内容」，而不是只读转发文案。流程为：识别平台→获取本地媒体或公开图文→抽帧/OCR/语音识别→规范化输出→基于画面与语音做理解。支持YouTube、X、Instagram、TikTok、Bi

本项目是一套面向期货/证券量化交易的规则化系统构建工具包，可作为AI助手（WorkBuddy、ClaudeCode、扣子等支持Skill规范的工具）的插件直接加载使用。核心功能模块：1、目标体检：输入年化收益与最大回撤目标，用「所需Calmar=年化÷回撤」这个单一判据判定目标是否可行（≤0.5宽松

scrapemend是一个Python网页数据提取库，核心思路是「选择器失效等于缓存未命中，而非程序崩溃」。主要功能：1）用自然语言描述要抓取的字段，无需手写选择器；2）优先使用缓存的选择器提取，零大模型开销；3）当某字段匹配失败或匹配到错误节点时，自动调用LLM重新生成选择器并缓存，实现自愈；4）

项目包含四个核心模块：（1）多姿态站立恢复：针对俯卧、仰卧、侧卧、贴墙等多种初始姿态训练统一的恢复策略，输出连续关节轨迹，使机器人从任意倒地状态恢复到稳定站立；（2）课程学习训练：按初始姿态难度、地面高度、外力扰动分阶段递增训练难度，解决「一次性给最难姿态导致策略塌缩」的问题，显著提升训练收敛稳定性

1.汽车配件商城的询价查询，有车架号可以自动搜对应的peijian2.skill上传打包，支持多agent调用3.实时轮训报价情况，多个商家对比价格，推荐最优地区

功能模块可以直接看代码。实现的效果分离出来的声音是15.6db。将声音就分离出来了，使用的是双数剧的对抗的方式来驱动。效果还行，如果再往上提的话就需要扩展数据规模

Super-Json（superjson）仓颉语言的JSON编解码库。双路径架构：@Json宏生成路径：编译期为标注了@Json的类型生成编解码代码——序列化展开为字节缓冲写入，反序列化生成流式解析器边扫描边赋值，运行时不经过std.reflect；反射路径：opcode编译缓存+VM执行/deco

实时检测：多路RTSP解码、共享推理队列、ROI、连续帧确认和事件冷却去重多图识别：一次上传最多20张图片，在线预览标注结果并下载单图或ZIP事件闭环：事件查询、确认、关闭、抓拍、WebSocket推送和飞书通知管理控制台：摄像头、人员、告警组、模型、用户、品牌和审计日志管理本地训练：任意YOLO矩

通过ZeroMQ构建分布式流水线，集成YOLO目标检测与SAM2（SegmentAnythingModel2）实例分割，基于检测框中心点生成目标掩膜；docker分支将完整流水线容器化，Docker镜像经优化从77GB压缩至50GB。

与BAAI合作，在沐曦C5508节点64卡上完成Qwen3-0.6B、Qwen3.5-35B-A3B、Qwen3.6-35B-A3B、Qwen3.6-27B-Dense、DeepSeek-V3-16B-A3B、DeepSeek-V4-flash-243b在训练框架上的适配与优化工作，修复代码经甲方审

本项目是一款面向PLC等工业控制设备的自动化黑盒模糊测试工具，主要用于授权测试环境下的通信协议安全测试与漏洞挖掘。针对工业设备私有协议资料不完整、固件难以获取、内部执行状态不可见等问题，通过协议格式推断与设备响应反馈开展测试。主要功能包括：1、协议格式推断：分析通信报文中的结构特征，为测试用例生成提

SUMPv2采用“服务的互联网”设计，每个服务独立进程、独立数据库、独立语言，通过WebSocket点对点直连，由LLM驱动跳转式调度。1.多服务分布式架构五个独立Go服务：agentloop、memory、images、qq、settings-center。settings-center只做注册与

五阶段状态机（侦察→扫描→验证→利用取证→学习→报告）全链路漏洞挖掘引擎：侦察阶段子域名发现与技术栈指纹建模攻击面；扫描器只做CVE匹配、模式扫描与智能Fuzz产出候选；验证器经误报特征库过滤、payload二次复现、OOB带外回连（盲注/SSRF/Log4Shell）与授权范围内最小证据取证后才定

框架采用Supervisor/Executor双LLM角色架构：Supervisor从SQLite规范化状态恢复任务租约并做单次决策，Executor在类型化任务内执行有界回合，每轮freshepisode、不依赖会话记忆。确定性代码负责范围校验、任务租约、trace级证据溯源（每条观察必须落到命令

本项目在SpaceRoboticsBench（SRB）与IsaacSim之上，基于NVIDIAGR00TN1.6-3B，实现了面向空间碎片捕获的视觉—语言—动作（VLA）全链路系统，另含一条移动强化学习副线。系统功能自下而上分四层。仿真环境层自研OrbitalManipulationEnv，组合SR

支持通过配置覆盖文件组织实验组和基线组，对工具目录、系统提示词等因素进行拆分测试，并记录无法完全隔离的变量。提供环境自检和版本检查，校验实验配置能否正确加载；通过比对实际请求中的提示词与工具定义，检查基线是否符合预期，避免仅凭配置名称或工具数量判断。将任务说明、环境准备脚本和评分脚本分离，支持批量运

Paddle2ONNX工具链研发模块：负责底层算子编译与图优化，支持模型在ONNX与Paddle之间的相互转换。系统支持算子裁剪、算子融合等高级优化策略，能够有效缩减模型体积并提升推理速度。该模块覆盖面广，支持主流图像分类、检测、分割等视觉模型的平滑无缝转换，极大丰富了Paddle模型在外部生态的适

1.项目具体功能模块项目主要包含：多模型预测结果读取与处理模块、GoldenTask标注样本选择模块、模型可靠性评估与权重学习模块、StackingNet集成决策模块、传统集成算法对比模块、分类/回归/排序任务实验模块以及结果评估与记录模块。其中集成算法支持Voting、SML、Dawid-Sken