登录
主页
 文章
混合架构大型语言模型（Jamba）
Jamba是由AI21 Labs开发的混合架构大型语言模型（LLM），结合了Transformer的语义理解能力和Mamba结构化状态空间模型（SSM）的高效性，旨在解决长文本处理中的计算瓶颈。项目地址：https://huggingface.co/ai21labs/jamba-v0.1一、技术特点1.混合架构设计 Jamba采用Transformer-Mamba混合架构，通过交替堆叠Transformer层和Mamba层，平衡了语义建模能力与长序列处理效率。Mamba层通过线性时间复杂度的状态空间变换处理长上下文（如256K tokens），而Transformer层保留了自注意力机制的全局依赖建模优势。这种设计使Jamba在处理长文档（如法律合同、科学论文）时，吞吐量比纯Transformer模型提升3倍，同时保持竞争力的生成质量。
2025-09-05
1086
0
11
开源本地LLM推理引擎（Cortex AI）
Cortex AI是一款开源本地LLM推理引擎，核心定位是“降低大模型部署门槛”，通过整合多类推理框架、兼容主流API标准，让开发者在本地设备（CPU/GPU）或边缘环境中快速运行大语言模型（包括DBRX、Mixtral等MoE架构模型），无需依赖复杂的集群资源。https://github.com/janhq/cortex一、核心定位
2025-09-04
757
8
14
开源混合专家大语言模型（DBRX）
DBRX是由Databricks开发的开源混合专家（MoE）大语言模型，其核心设计目标是在保持高性能的同时大幅降低计算成本。项目地址：https://github.com/databricks/dbrx一、模型介绍1.架构与性能参数规模：总参数1320亿，采用16个专家模块，推理时动态激活4个专家（约360亿参数），实现「大模型能力，小模型成本」。
2025-09-04
686
5
11
开源检索增强生成（UltraRAG）框架
UltraRAG 是由清华大学 THUNLP 实验室、东北大学 NEUIR 实验室、OpenBMB 与 AI9Stars 联合开发的开源检索增强生成（RAG）框架，专注于低代码构建复杂推理系统，尤其适合科研实验与行业落地场景。UltraRAG 的技术架构以 “低代码、高扩展、双场景适配（科研+行业）” 为核心设计理念，通过分层解耦、标准化协议和模块化组件，实现 RAG（检索增强生成）全流程的灵活编排与高效落地。其架构可拆解为 “1个核心协议 + 4层技术栈 + 3大关键模块”。
2025-09-03
684
5
0
多智能体协作系统（CrewAI）
CrewAI是一款专为构建多智能体协作系统设计的开源框架，核心目标是通过模拟人类团队的分工协作模式，让多个 AI 智能体（Agent）以角色化、流程化的方式完成复杂任务。CrewAI 的出现重新定义了 AI 开发者的工作方式——从编写代码转向编排智能体团队。无论是构建企业级自动化系统，还是探索前沿的多智能体协作研究，CrewAI 都提供了强大且灵活的技术底座。
2025-09-03
1140
9
3
开源企业级快速开发平台（JeecgBoot）
JeecgBoot 是一款基于 Spring Boot + Vue 技术栈的开源企业级快速开发平台，旨在通过「低代码+代码生成」模式降低企业级应用的开发成本，提升开发效率。其核心定位是“开箱即用的中后台解决方案”，覆盖权限管理、表单报表、工作流、代码生成等核心业务场景，广泛应用于企业OA、CRM、ERP、政务系统等中后台领域。
2025-09-02
713
9
12
开源低代码平台（NocoBase）
NocoBase 是由中国团队自主研发的开源无代码/低代码开发平台，专注于为开发者提供可完全掌控的数字化基础设施。项目始于2018年技术预研，2021年3月正式开源，2024年5月发布首个稳定版本 1.0-alpha，并同步启动商业化进程。其设计理念为 80% 无代码实现 + 20% 扩展开发，通过微内核架构和插件化设计，在快速搭建业务系统的同时保留深度定制能力，尤其适合企业数字化转型和复杂场景开发。
2025-09-01
928
1
10
Uniswap协议
Uniswap Labs 是去中心化金融（DeFi）领域的核心技术公司，由工程师 Hayden Adams 于 2018 年创立，总部位于纽约市。其核心产品 Uniswap 协议 是以太坊上首个基于自动做市商（AMM）机制的去中心化交易所（DEX），彻底改变了加密资产的交易方式。截至 2025 年，Uniswap 协议累计交易量已超过 2.75 万亿美元，支持跨 12 条区块链网络的资产交易，覆盖数千万用户。
2025-09-01
934
7
14
基于JavaScript的智能合约平台（Agoric）
Agoric通过对象能力模型提升安全性，被用于去中心化金融（DeFi）衍生品开发。通过简化开发流程和增强安全性，推动去中心化应用（DApps）的大规模落地。Agoric成立于2018年，由斯坦福大学校友Mark Miller（首席科学家）和Dean Tribble（CEO）联合创立，核心团队包括早期密码朋克和分布式系统专家。作为Cosmos生态的Layer1 PoS公链，Agoric通过JavaScript语言、跨链互操作性和模块化设计，为开发者提供了安全、高效的Web3开发环境。其愿景是构建一个多链经济的协调层，支持跨链资产交互和复杂金融逻辑的自动化执行。
2025-08-31
517
4
0
基于区块链的去中心化数据交换协议（Ocean Protocol）
Ocean Protocol 是一个基于区块链的去中心化数据交换协议，旨在通过安全、透明的方式连接数据提供者与消费者，实现数据资产的自由流通与价值释放。其核心目标是构建一个无需中心化中介的「数据经济」，让数据所有者能够直接控制并货币化自己的数据，同时为开发者和企业提供开放的 AI 训练、研究及分析资源。
2025-08-31
1097
2
6
生成式BI工具（WrenAI）
生成式 BI 工具支持自然语言查询数据库，自动生成 SQL 与可视化图表，被金融分析师和数据科学家广泛采用。WrenAI是由Canner团队开发的开源生成式BI（GenBI）智能体，致力于通过自然语言交互实现数据库查询、可视化生成和洞察报告的全流程自动化。其核心设计理念是语义层驱动的精准查询，通过预定义数据模型、业务指标和表关系，构建LLM可理解的“数据库说明书”，解决传统Text-to-SQL工具因缺乏上下文导致的高错误率问题。
2025-08-30
1021
8
13
不确定性知识图谱推理库（unKR）
不确定性知识图谱推理库（unKR）是首个专注于处理不确定性知识图谱（UKG）的开源工具，通过表示学习技术实现高效推理。支持四元组（h,r,t,s）的置信度预测。 项目地址：https://github.com/seucoin/unKR一、技术原理unKR的核心在于将实体与关系嵌入至低维向量空间，同时保留不确定性信息。
2025-08-30
515
4
5
开源大语言模型（Qwen3）
Qwen3是阿里巴巴达摩院于2025年4月29日发布的新一代开源大语言模型，属于通义千问系列的最新成员。其核心突破在于首创混合推理架构，将人类认知科学中的“快思考”与“慢思考”机制融入模型设计，实现了复杂任务处理与高效响应的平衡。一、技术架构1.双系统推理模式
2025-08-29
523
0
0
什么是 OWL 推理机？
OWL 推理机（OWL Reasoner）是一类基于 OWL（Web Ontology Language，Web 本体语言）进行逻辑推理的工具，核心功能是从 OWL 本体定义的“显式知识”中推导出“隐含知识”，并验证本体的逻辑一致性。 一、基本概念从技术本质看，OWL 语言基于描述逻辑（Description Logic，DL）——一种用于精确表示概念、关系和约束的逻辑系统，而 OWL 推理机本质是“描述逻辑推理器”的工程实现。其核心任务包括：
2025-08-29
928
5
10
强化学习框架（AReaL）
AReaL（Ant Reasoning RL）是由蚂蚁技术研究院与清华大学交叉信息研究院联合开发的开源强化学习框架，专注于提升大型推理模型（LRM）的复杂逻辑推理能力。通过完全开放的技术生态，让开发者以极低门槛复现、优化甚至超越当前SOTA模型，尤其在数学推理等长链逻辑任务中展现出显著优势。
2025-08-28
1067
9
7
多模态模型（VLM-R1）
VLM-R1是由浙江大学滨江研究院Om AI Lab开源的多模态视觉推理模型，聚焦复杂场景理解与自主推理路径构建，通过强化学习与视觉语言模型的深度融合，在多模态任务中展现出突破性能力。项目地址：https://github.com/om-ai-lab/VLM-R1一、技术架构VLM-R1采用视觉-语言-强化学习三层异构融合架构，实现多模态信息的深度交互与推理路径的自主生成：
2025-08-27
773
6
3
基于描述逻辑的本体推理机（Racer）
在语义网与知识图谱体系中，本体（Ontology） 是形式化表示领域知识的核心载体，它通过定义“概念（类）、角色（属性）、个体”及三者间的逻辑关系，实现知识的结构化与语义化。但本体仅能存储“显式知识”，若要挖掘隐含知识（如“本科生是学生”的从属关系）、验证知识一致性（如“无脊椎动物有脊椎”的矛盾检测），则需依赖本体推理机。
2025-08-26
1154
7
0
基于强化学习整合神经网络与符号表示的框架（NSM）
Neural-Symbolic-Machines核心目标是解决弱监督场景下的语义解析与程序合成问题，由Liang等人开发，相关成果发表于NeurIPS 2018和ACL 2017等顶会，目前遵循Apache-2.0开源协议。融合神经网络与符号计算，支持程序合成与语义解析。 项目地址：https://github.com/crazydonkey200/Neural-Symbolic-Machines
2025-08-26
1098
9
2
通用AGI框架（OpenCog）
OpenCog 是面向通用人工智能（AGI）的开源认知架构框架，核心目标是构建具备人类级通用智能的系统——即能够像人类一样跨领域学习、推理、自适应环境，并自主解决复杂未知问题，而非局限于单一任务（如图像识别、自然语言处理）。它源于2008年，由人工智能研究者 Ben Goertzel 主导发起，最初依托于 Hanson Robotics（开发“索菲亚机器人”的团队）等机构，目前由全球开源社区维护，核心理念是“通过模拟人类认知的多模块协同，实现智能的涌现”。
2025-08-25
611
4
8
企业级RAG系统（PIKE-RAG）
PIKE-RAG是微软开源的企业级RAG系统，支持任务分解（事实性→创造性）与混合检索。面向中大型企业的私有化/半私有化RAG系统，区别于通用RAG（如基于公开数据的问答工具），它以“企业内部知识资产激活”为核心，通过“检索增强+业务规则注入”，将企业分散的文档、数据库、API等知识转化为可直接支撑业务决策、客户服务、内部协同的智能能力。所有数据处理环节遵循企业级安全规范（如数据本地化存储、细粒度权限控制、操作审计日志），符合GDPR、等保2.0等合规要求。适配企业“结构化+非结构化+多模态”全类型数据，打破OA、CRM、ERP、文档库等系统的数据孤岛不追求“通用问答能力”，而是深度绑定企业具体业务场景（如金融合规、制造维修、研发协同），支持业务规则自定义注入。具备知识自动更新（如监控文档库变化同步更新索引）、检索策略动态调优（基于用户反馈优化排序）的能力。
2025-08-25
915
0
6
- -
© 2021 - 现在 杭州极深数据有限公司 版权所有 （深数据® DEEPDATA® 极深®） 联系我们 
浙公网安备 33018302001059号  浙ICP备18026513号-1号