✨ 1: FinGPT

FinGPT是一个开源的金融大模型，旨在通过轻量化适应和人类反馈强化学习，提升金融数据处理能力。

FinGPT是一个开源的金融大型语言模型（LLM），旨在通过自然语言处理技术为金融领域提供解决方案。它的设计背景基于金融数据的动态性及用户对实时信息的需求，通过轻量级的适应方式，快速更新模型，以便更好地应对快速变化的市场环境。FinGPT的核心技术包括人类反馈的强化学习（RLHF），使其能够根据个人偏好和投资行为进行学习和调整。这种能力类似于ChatGPT和GPT-4，但针对的是金融领域的特定需求。

金融预测：最近发布的FinGPT-Forecaster允许用户输入股票代码和日期等信息，生成公司分析和未来股票价格预测。

情感分析：FinGPT具有强大的情感分析能力，可以处理金融新闻、社交媒体讯息等，评估市场情绪并帮助投资决策。

多任务处理：FinGPT支持多任务处理，如金融关系抽取、金融命名实体识别等，可广泛应用于金融数据标注和提取工作。

个性化建议：利用RLHF技术，FinGPT可以为用户提供个性化财务建议，成为智能投资顾问（robo-advisor）。

数据分析：FinGPT能够高效处理和分析大规模金融数据，有助于研究人员和分析师获取市场洞察。

地址：https://github.com/AI4Finance-Foundation/FinGPT

✨ 2: auto-video-generateor

自动视频生成器通过用户输入主题，利用大语言模型生成故事及配图，最终合成解说视频。

自动视频生成器是一种创新的工具，能够根据用户输入的主题自动生成解说视频。用户只需提供一个主题文字，系统便会利用大语言模型生成相应的故事或解说文本，随后通过语音合成技术制作解说音频，并调用文生图接口生成与文本相关的配图。最后，将语音和配图融合生成完整的视频。这一过程大大简化了视频制作的流程，使得用户可以快速、高效地创建个性化的解说视频。

教育和培训：教师和培训师可以利用自动视频生成器制作教学视频，为学生提供丰富多样的学习资源。

内容创作：内容创作者可以借助该工具快速制作视频内容，从而节省时间，提升创作效率。

市场营销：企业可以利用自动生成的视频推广产品或服务，通过生动的解说和视觉效果吸引客户的注意。

社交媒体：个人用户可以在社交平台快速生成分享视频，增加互动性和趣味性，提升个人形象。

信息传播：用于传播新闻、科普知识等，快速制作具有专业解说的视频内容，增强信息的可获取性和娱乐性。

地址：https://github.com/kuangdd2024/auto-video-generateor

✨ 3: VILA

VILA是一个预训练的视觉语言模型，具备视频理解和多图像理解等强大能力。

VILA（Visual Language Model）是一种经过大规模图像-文本交替数据预训练的视觉语言模型，具备视频理解和多图像理解的能力。它通过4位量化（AWQ）和TinyChat框架支持边缘设备部署，且在图像与文本的交错预训练中发现了诸多重要特性，比如需要交错图像-文本对而非单一图像-文本对，以及在交错预训练中解冻大语言模型（LLM）以实现上下文学习的能力。

视频理解：VILA能够分析和理解视频内容，包括视频中的活动、场景和相关文本信息。 图像问答：通过输入图像，VILA可以回答与图像相关的问题，如图像中的物体、场景或活动的详细说明。 图像-文本交互：用户可以将图像与文本一起输入，以此来生成更丰富的叙述，或进行更复杂的上下文推理。 多图像推理：VILA具备从多幅图像中提取和推理信息的能力，适用于需要综合多个视觉信息源的场景。 视频字幕生成：可以生成视频的详细说明或字幕，帮助用户理解视频内容。

地址：https://github.com/NVlabs/VILA

✨ 4: KEEP

KEEP是一种基于卡尔曼滤波的特征传播方法，旨在提升视频人脸超分辨率效果。

KEEP（Kalman-Inspired Feature Propagation for Video Face Super-Resolution）是一种用于视频人脸超分辨率的技术，旨在通过卡尔曼滤波启发的方法来有效传播特征，以提升人脸视频的清晰度和细节。此技术由南洋理工大学的研究团队开发，首次发表于2024年的欧洲计算机视觉会议（ECCV）。

地址：https://github.com/jnjaby/KEEP

✨ 5: RAGLAB

一个全面的 AI 框架，用于在 NLP 研究中对检索增强生成算法进行透明和模块化评估

RAGLAB是一个开源项目，旨在通过强化学习和生成模型的结合，提升自然语言处理和机器学习的效果。该项目的主要功能包括支持多种大语言模型的应用，提供灵活的实验环境，以及便于用户进行模型训练和优化的工具。RAGLAB的目标是为开发者和研究人员提供一个易于使用且功能强大的平台，推动AI技术的发展和应用。

地址：https://github.com/fate-ubw/RAGLAB/blob/main/readme.md

✨ 6: Superposition Prompting

Superposition Prompting是一种新方法，旨在提升和加速信息检索增强生成的效果。

Superposition Prompting是一种新兴的提示方法，旨在提高和加速检索增强生成（RAG）模型的性能。该方法通过将多个提示的效果叠加，优化了模型的生成效果和效率。Superposition Prompting可以看作是一种创新的提示工程策略，它能够整合不同类型的知识或信息，从而使模型生成更为精准和上下文相关的输出。

地址：https://github.com/apple/ml-superposition-prompting

✨ 7: Anthropic courses

Anthropic提供四个教育课程，涵盖API基础、提示工程、实际应用和工具使用等内容。

Anthropic课程是一个针对用户学习和掌握Claude SDK及相关技术的教育资源库，目前包含四个课程。建议按照以下顺序进行学习：

Anthropic API基础课程：该课程介绍了使用Claude SDK的基础知识，如获取API密钥、调整模型参数、撰写多模态提示、流式响应等。 提示工程互动教程：这是一个全面的逐步指导，涵盖了关键的提示技术。 现实世界提示课程：该课程教你如何在复杂的实际场景中应用提示技术。 工具使用课程：学习如何在工作流程中成功实现工具的使用。

地址：https://github.com/anthropics/courses

✨ 8: Zero-Chatgpt

Zero-Chatgpt是一个开源项目，旨在从零开始实现chatgpt的技术路线与模型训练。

Zero-Chatgpt 是一个开源项目，目的是从零开始实现 ChatGPT 的技术路线。该项目涵盖了完整的流程，包括数据收集、数据清洗与去重、词表训练、语言模型预训练、指令微调和强化学习（RLHF，基于人类反馈的强化学习）。项目的预训练数据量达到 10 亿 tokens，指令微调数据为 30 万条，而强化学习的数据为 10 万条，模型大小设定为 0.1B。项目的重点在于成功运行代码和流程，而模型效果的进一步优化则留待后续。

地址：https://github.com/AI-Study-Han/Zero-Chatgpt

✨ 9: Kolors-Virtual-Try-On

快手可图推出免费一键换衣

中国视频生成器的开发人员推出了 Kolors Virtual Try-On 神经网络，它可以让你穿上任何衣服。 您所要做的就是上传您想要虚拟试穿的人和物的照片。

地址：https://huggingface.co/spaces/Kwai-Kolors/Kolors-Virtual-Try-On

更多AI工具，参考国内AiBard123，Github-AiBard123 公众号：每日AI新工具