Skill-0 is a ternary classification system for parsing the internal structure of Claude Skills and MCP Tools.
يعد Skill-0 نظام تصنيف ثنائي للتعرف على البنية الداخلية لتقنيات Claude و MCP. يحتوي على بحث semantics الموجهة بواسطة embeddings النصية للمعرفة الذكية. يقوم النظام بترتيب وتحديد الأجزاء غير المتغيرة من تقنية (أو الأجزاء التي تتغير سلوكها عند التعديل) في ثلاث فئات: Action، Rule، و Directive.
An AI-driven API that predicts the effects of cannabinoids and terpenes based on molecular pharmacology, aiding researchers and product developers.
يقدّم هذا المشروع واجهة برمجة تطبيقات ويب مبنية على FastAPI لتوقع تأثيرات الكانابينويد والثيربين استناداً إلى علم الأدوية الجزيئي. يستخدم نماذج تعلم الآلة المدربة على وصفات كيميائية وبيانات فاعلية دوائية لتوقع النتائج النفسية والعلاجية. يتيح للمستخدمين إرسال هياكل المركبات واستلام ملفات تعريف التأثير مع إظهار مستوى الثقة في التوقعات وميزات النموذج. يستهدف الباحثين وعلماء الأدوية ومطوري منتجات القنب الذين يحتاجون إلى رؤى مدعومة بالبيانات. يساهم أداة التوقع في تقليل الجهد التجريبي وتسريع دورات تطوير المنتجات. كما توفر واجهة مرئية لعرض النتائج وتفسيرها، مما يسهل اتخاذ قرارات مستنيرة حول تركيبات القنب.
The LiveKit Agent Framework is designed to build real-time, programmable participants that run on servers, enabling conversational, multi-modal voice agents.
يعد إطار عمل LiveKit لل एजنت مكونات متكاملة لإنشاء المشاركين في الوقت الحقيقي والبرمجية التي تعمل على الخوادم. يمكنك استخدامها لإنشاء أجهزة محادثة متعددة الأبعاد يمكن أن ترى و تسمع وتفهم.
A web‑based toolkit that visualizes and analyzes the internal activations of Meta’s Llama 3.2‑1B language model for researchers and developers.
يُقدِّم هذا المشروع تطبيقًا ويبًا تفاعليًا يتيح للمستخدمين استكشاف البنى الداخلية لنموذج Llama 3.2‑1B من Meta. يُظهر التطبيق عمليات التقطيع، والتفاعلات على مستوى كل طبقة، وخريطة الانتباه، فضلاً عن فضاءات التضمين، ويُوفِّر أدوات لتجارب الإزالة (ablation) وتتبع اللوجيت. يتم تحميل النموذج مرة واحدة في الخلفية ويُخدم الطلبات المتعلقة بالتنبؤ، والتفاعلات، والإزالة عبر واجهة برمجة تطبيقات FastAPI، بينما يُقدِّم الواجهة الأمامية لوحة تحكم React متجاوبة. يستهدف التطبيق الباحثين في معالجة اللغة الطبيعية، مهندسي التعلم الآلي، وعلماء البيانات الذين يحتاجون إلى فهم كيفية مساهمة مكونات المحول في التنبؤات. يُحلّق هذا الأداة الحاجة إلى تحليل شفاف ومباشر للنماذج اللغوية الضخمة، مما يتيح اختبار الفرضيات وتصحيح الأخطاء في النماذج.
The loopai project is a human-in-the-loop AI self-improvement framework designed to enhance the efficiency of large language model applications.
loopai هو إطار عمل مفتوح المصدر يسمح للمطورين بإنشاء وتشغيل تطبيقات اللغة الكبيرة (LLM) عالية الكفاءة. يقدم الإطار العمل نهجًا بشريًا في حلقة التحسين، مما يتيح للمستخدمين التفاعل مع وتحسين أداء أنماطهم بشكل مباشر. يدعم الإطار العمل مجموعة من مكتبات التعلم الآلي والtools بما في ذلك scikit-learn و PyTorch.
This project is a pluggable, modular framework for multimodal medical research using deep learning.
هذا المشروع يوفّر إطارًا مرنًا ومتكاملًا للاستخدام في الأبحاث الطبية المتعددة الحواس باستخدام تقنيات التعلم العميق. يتيح للم исследاءين دمج مصادر البيانات المختلفة والخصائص بسهولة، وتحليلها والتصوير المرئي. تم تصميم الإطار ليكون متكاملًا ومتسلسلًا بشكل كبير، مما يجعل من السهل إضافة الميزات الجديدة والممكنة.
Generate cohort component population projections for North Dakota from 2025 to 2045.
يُقدّم هذا المشروع توقعات للسكان في ولاية نارت داكوتا باستخدام طريقة مكوّنات الكوادر للفترة من 2025 إلى 2045. يقوم بجمع البيانات السكانية التاريخية، ويطبق نماذج إحصائية متقدمة لتوليد تقديرات سنوية حسب العمر والجنس. يتيح للمستخدمين اختيار النموذج المناسب، ويُنتج رسومات بيانية ثابتة وتفاعلية تساعد في تصور الاتجاهات المستقبلية. يستهدف الباحثين والمخططين الإقليميين الذين يحتاجون إلى بيانات سكانية دقيقة لاتخاذ قرارات مستنيرة بشأن التخطيط العمراني والموارد. يحل المشروع مشكلة الحساب اليدوي غير الدقيق للتوقعات السكانية، ويُقدّم سير عمل قابل للتكرار والوثوقية. يميز المشروع بقدرته على دمج النتائج مباشرة في قاعدة بيانات PostgreSQL لتسهيل التحليل المتقدم والتقارير.
A lightweight web API that allows users to train, evaluate, and benchmark machine learning models via HTTP requests.
يُقدّم PingLab واجهة برمجة تطبيقات خفيفة الوزن تُبنى على FastAPI وتتيح للمستخدمين تدريب وتقييم ومقارنة أداء نماذج التعلم الآلي عبر طلبات HTTP. يدعم المشروع خوارزميات تقليدية عبر scikit‑learn ونماذج التعلم العميق عبر PyTorch، مع الاستفادة من NumPy وSciPy لمعالجة البيانات وRich لتنسيق الإخراج في الطرفية. يُرسل المستخدمون مجموعات البيانات ومعلمات التدريب في حمولة JSON، ويُرجع النظام مؤشرات الأداء وأحياناً ملفات النماذج. صُمم هذا الحل للباحثين ومهندسي التعلم الآلي الذين يحتاجون إلى طريقة سريعة وقابلة للتكرار لتجريب وتقييم النماذج دون إعداد بيئات محلية. يميز المشروع عدم الحاجة إلى قاعدة بيانات، إذ يُعالج جميع البيانات في الذاكرة خلال مدة الطلب، ما يضمن سرعة الاستجابة وسهولة النشر.
The RESOLVE project uses neural networks to predict species composition.
يستخدم RESOLVE شبكات العصبية للتنبؤ بالتكوين الجيني. يعتمد على قوة التعلم الآلي لتحليل وتحديد البيانات الإيكولوجية. يهدف المشروع إلى تقديم تنبؤات دقيقة، مما يسمح للمبحوثين والمحافظين على البيئة اتخاذ قرارات مدروسة حول الأوساط البيئية والتنوع الحيوي. تم تطوير RESOLVE بتركيز على القدرة على التكيف وال灵انية، مما يسمح باستخدامها في مجموعة متنوعة من datasets البيئية.
The skyward project allows users to execute Python functions on cloud compute using a simple decorator.
هذا المشروع يسمح للمستخدمين بتنفيذ وظائف بايثون على موارد الحوسبة السحابية باستخدام واجهة بسيطة. يستخدم هذا الأداة طريقة بسيطة ومريحة لتنفيذ الوظائف، مما يجعل من السهل استخدام الموارد الحاسوبية السحابية في تطبيقات بايثون.