Github 2024-02-04 开源项目日报 Top9

根据Github Trendings的统计，今日(2024-02-04统计)共有9个项目上榜。根据开发语言中项目的数量，汇总情况如下：

开发语言	项目数量
Python项目	6
Ruby项目	1
HTML项目	1
C++项目	1
Go项目	1
TypeScript项目	1

Windows 终端、控制台和命令行存储库

• 创建周期：2368 天
• 开发语言：C++
• 协议类型：MIT License
• Star数量：92496 个
• Fork数量：8298 次
• 关注人数：92496 人
• 贡献人数：381 人
• Open Issues数量：1528 个
• Github地址：https://github.com/microsoft/terminal.git

Windows 终端、控制台和命令行存储库包含 Windows 终端、Windows 终端预览、Windows 控制台主机（conhost.exe）、两个项目之间共享的组件、ColorTool 和演示如何使用 Windows 控制台 API 的示例项目的源代码。它与 Windows 终端文档、控制台 API 文档和 Cascadia Code 字体的存储库相关。

轻量级隐私笔记服务

• 创建周期：788 天
• 开发语言：Go, TypeScript
• 协议类型：MIT License
• Star数量：23207 个
• Fork数量：1682 次
• 关注人数：23207 人
• 贡献人数：165 人
• Open Issues数量：83 个
• Github地址：https://github.com/usememos/memos.git
• 项目首页: https://usememos.com

一个开源的轻量级笔记服务，允许用户轻松捕捉和分享他们的想法，同时优先考虑隐私。

图像修复工具：基于稳定扩散的开源AI模型

• 创建周期：811 天
• 开发语言：Python
• 协议类型：Apache License 2.0
• Star数量：15128 个
• Fork数量：1553 次
• 关注人数：15128 人
• 贡献人数：13 人
• Open Issues数量：100 个
• Github地址：https://github.com/Sanster/IOPaint.git
• 项目首页: https://www.iopaint.com/

这是一个由最先进的人工智能模型驱动的开源图像修复工具。它可以从图片中移除不需要的物体、瑕疵和人物，以及使用稳定的扩散技术擦除和替换图片中的任何元素。

开源个人理财应用 Maybe 的 React 原始版本

• 创建周期：16 天
• 开发语言：TypeScript
• 协议类型：GNU Affero General Public License v3.0
• Star数量：9764 个
• Fork数量：679 次
• 关注人数：9764 人
• 贡献人数：13 人
• Open Issues数量：21 个
• Github地址：https://github.com/maybe-finance/maybe.git
• 项目首页: https://maybe.co

这是一个开源的个人理财应用，是之前已停用的个人理财应用Maybe的原始React应用。它使用了许多外部服务，如Plaid和Finicity，使其完全运行需要大量的工作。

LLaVA: 大型语言和视觉助手 - 视觉指导调整

• 创建周期：291 天
• 开发语言：Python
• 协议类型：Apache License 2.0
• Star数量：13098 个
• Fork数量：1362 次
• 关注人数：13098 人
• 贡献人数：41 人
• Open Issues数量：521 个
• Github地址：https://github.com/haotian-liu/LLaVA.git
• 项目首页: https://llava.hliu.cc

LLaVA是一个专注于视觉指导调整的项目，旨在实现与GPT-4水平能力的大型语言和视觉模型。它旨在通过视觉指导调整来改进基线，并在NeurIPS 2023上进行展示。

Fabric: 利用人工智能增强人类能力的开源框架

• 创建周期：29 天
• 开发语言：Python, HTML
• 协议类型：MIT License
• Star数量：1039 个
• Fork数量：102 次
• 关注人数：1039 人
• 贡献人数：1 人
• Open Issues数量：12 个
• Github地址：https://github.com/danielmiessler/fabric.git

Fabric 是一个旨在利用人工智能增强人类能力的开源框架。目前仍处于早期阶段，正在不断增加更多的文档和功能。

Excel 16位CPU

• 创建周期：4 天
• 开发语言：Python
• 协议类型：Creative Commons Zero v1.0 Universal
• Star数量：1114 个
• Fork数量：93 次
• 关注人数：1114 人
• 贡献人数：1 人
• Open Issues数量：6 个
• Github地址：https://github.com/InkboxSoftware/excelCPU.git

Excel 16位CPU存储库包含一个在Excel电子表格中实现的16位CPU，具有16个通用寄存器、128KB的RAM和一个128x128的显示屏。它可以在自动模式或手动模式下进行控制，并根据InstructionSet.xlsx电子表格中指定的指令集架构运行。此外，可以使用Excel-ASM16语言编写程序，并编译到ROM.xlsx电子表格中。

MiniCPM: 一系列端侧大模型的开源项目

• 创建周期：6 天
• 开发语言：Python
• 协议类型：Apache License 2.0
• Star数量：1334 个
• Fork数量：84 次
• 关注人数：1334 人
• 贡献人数：14 人
• Open Issues数量：20 个
• Github地址：https://github.com/OpenBMB/MiniCPM.git

MiniCPM 是由 MiniCPM 和清华大学自然语言处理实验室共同开源的一系列端侧大模型。主体语言模型 MiniCPM-2B 仅有 24 亿（2.4B）的非词嵌入参数量。经过 SFT 后，MiniCPM 在公开综合性评测集上表现接近 Mistral-7B，在性能上超越 Llama2-13B、MPT-30B 和 Falcon-40B 等模型。经过 DPO 后，MiniCPM-2B 也在 MTBench 评测集上超越了许多代表性开源大模型。基于 MiniCPM-2B 构建的多模态大模型 MiniCPM-V 在同规模模型中实现最佳整体性能，超越基于 Phi-2 的现有多模态大模型。MiniCPM 经过 Int4 量化后可在手机上进行部署推理，MiniCPM-V 也可直接在手机上部署。MiniCPM-2B 的模型参数完全开源供学术研究和有限商用，未来计划发布训练过程中的所有 Checkpoints 和大部分非专有数据供模型机理研究。

OLMo：AI2最先进的开放语言模型训练与使用

• 创建周期：349 天
• 开发语言：Python
• 协议类型：Apache License 2.0
• Star数量：960 个
• Fork数量：56 次
• 关注人数：960 人
• 贡献人数：22 人
• Open Issues数量：78 个
• Github地址：https://github.com/allenai/OLMo.git
• 项目首页: https://allenai.org/olmo

OLMo是一个用于训练和使用AI2最先进的开放语言模型的存储库。它是由科学家为科学家构建的。