GitHub Accelerator 2024扶持11个开源 AI 项目 推动技术创新

GitHub 最新宣布了其2024年加速器计划，将支持11个前沿的开源人工智能项目。这些入选项目涵盖了机器学习框架、生物医学研究、AI 模型测试平台等多个领域，旨在推动 AI 技术的创新和应用。

根据计划，每个入选项目将获得高达40，000美元的赞助资金，以及多达350，000美元的技术支持。这些资源来自 GitHub 及其合作伙伴，包括 Microsoft Azure。

GitHub 表示，这次支持的目标是帮助开发者在开放环境中推动 AI 的发展，加速实现他们的目标。通过提供丰厚的资金和技术支持，GitHub 希望为这些开源项目注入新的动力，助力其在 AI 领域取得突破性进展。

1.unsloth AI - 弯曲微调模型的成本曲线

unsloth 由澳大利亚兄弟 Daniel 和 Michael Han 创立，其目标是让自定义 AI 模型更容易访问。与竞争对手相比，Unsloth 对开源模型进行微调的速度提高了2-5倍，内存减少了70%，利用新兴技术和功能使模型在保持准确性的同时提高性能。

开源地址:https://github.com/unslothai/unsloth

2.Giskard - AI 模型测试平台，带来透明度和问责制

创始人 Alex Combessie、首席执行官和机器学习研发工程师 Weixuan XIAO 构建了一个用于测试和评估大型语言模型 （LLM） 的开源库。Giskard 提高了开源 AI 模型质量的标准，促进了整体采用、研究、透明度和问责制。Giskard 专为数据科学家和开发人员设计，可以帮助确保其客户 AI 模型的质量、安全性和合规性。

开源地址:https://github.com/Giskard-AI/giskard

3.A-Frame——让任何人都可以创作 AR/VR 数字世界，无论其技术专长如何

Diego Marcos是 A-Frame 的联合创始人和维护者，他开始开发 A-Frame 作为一个框架，让任何人都可以通过网络浏览器进行 AR/VR 和3D 内容开发。A-Frame 目前专注于集成 AI 工作流程，例如3D Gaussian Splatting 和用于图像和环境的生成 AI，已为全球数以万计的开发者提供了支持。该项目代表了其对可访问性、社区和资源可用性的承诺。

开源地址:https://github.com/aframevr/aframe

4.Nav2—机器人导航之家

机器人专家Steve Macenski是机器人操作系统 （ROS） 导航框架的先驱。如今，Nav2已在全球生产中使用，是部署最广泛的自主移动机器人 (AMR) 导航解决方案，受到 NVIDIA、Dexory、Polymath Robotics、Stereolabs 等100多家公司的信赖。Nav2可以轻松、可靠、高效地部署机器人技术，让用户可以专注于构建产品应用程序。

开源地址:https://github.com/ros-navigation/navigation2

5.OpenWebUI—通过世界一流的 UI 在本地提供隐私、安全和性能

创始人Tim Baek位于加拿大，他希望为 AI 和 LLM 构建最佳用户界面，为互联网访问受限或无法访问互联网的个人提供利用 AI 技术及其优势的机会。OpenWebUI 由可在本地运行 LLM 的 Web 界面提供支持，从而使 LLM 和 AI 更加安全和私密。该项目希望扩大其贡献者社区，并扩大该项目在世界各地社区的影响力。

开源地址:https://github.com/open-webui/open-webui

6.LLMware.ai——简化企业制作 RAG 模型的方式，安全且敏感

创始人Namee Oberst在获得法律学位后开始了她的第二份职业。Namee 与首席执行官Darren Oberst和Stefan Bachhofner 一起，意识到许多行业面临的隐私和敏感性问题，寻求为金融和法律机构构建安全可靠的 LLM AI 代理和检索增强生成 （RAG） 模型。LLMWare 提供了一套全面的工具，任何人都可以使用它(从初学者到最老练的 AI 开发人员)，以快速构建工业级、基于知识的企业 LLM 应用程序。

开源地址:https://github.com/llmware-ai

7.LangDrive—用于 LLM 培训的即插即用 API

创始人兼首席执行官Michael Vandi和创始工程师Spatika在卡内基梅隆大学 （CMU） 攻读硕士学位期间开发了一个 LLM 电子邮件代理来回复电子邮件。经过一番学习，他们意识到让 LLM 以更低的 GPU 需求变得易于访问，可以让更多开发人员受益，并让所有人都能更轻松地使用。如今，LangDrive 是一个简单的框架，可通过 API 和配置文件来训练和部署生产级微调语言模型。这将通过抽象微调过程并将微调行数从数百行减少到仅10行来提高代码库的可维护性。

开源地址:https://github.com/addy-ai/langdrive

8.HackingBuddyGPT——安全团队的自主代理和副驾驶

奥地利前安全工程师Andreas Happe和 PenTester 博士Jurgen Cito希望帮助道德黑客和安全专业人员利用法学硕士学位让世界变得更安全。最初是一个研究项目，现在已发展成为一个自主黑客合作伙伴，拥有人机交互基础设施、Web 和 API 测试平台以及活动目录安全管理平台。

开源地址:https://github.com/ipa-lab/hackingbuddyGPT

10.Web-Check——为网络安全带来保障

英国开源倡导者Alicia Sykes是前英国陆军预备役军人，曾在牛津大学实习。她的使命是利用基于任何网站或服务器的开放数据的人工智能安全洞察，让互联网更加安全。她创建了 Web-Check，让开发人员能够更轻松地全面了解网站、基础设施和服务器，从而实现安全民主化。

开源地址:https://github.com/lissy93/web-check

11.marimo——提高机器学习和数据科学笔记本的标准

联合创始人Akshay Agrawal和Myles Scolnick着手解决使用笔记本进行数据科学和机器学习时存在的所有问题。作为用于人工智能和机器学习的下一代 Python 笔记本，marimo 的目标是为人工智能/机器学习开发人员提供可重现、可维护且可投入生产的笔记本。如今，marimo 提供了一款可用于生产的笔记本，可以将其部署为交互式 Web 应用程序、作为脚本执行并使用 Git 进行版本控制。

开源地址:https://github.com/marimo-team/marimo

Talkd.ai——通过轻松的 RAG 部署和管理优化 LLM

巴西创始人Vinicious Mesel开始兼职从事Talkd.ai的工作，以构建统一的 LLM 聊天 API，为多个 LLM 和上下文提供抽象层。作为巴西开源社区的首创，统一 API 将使 LLM 始终拥有和管理上下文，以预处理输入并从记忆或上下文中生成提示。其目标是促进和传播 RAG 技术在 LLM 中的使用。

开源地址:https://github.com/talkdai/dialog