#开放源代码

Milvus是一个开源向量数据库，专为提高嵌入相似性搜索和AI应用的效率。2.0版本采用云原生设计，支持存储与计算分离，全无状态组件提升弹性与灵活性。主要功能包括毫秒级查询、简化非结构化数据管理、高可靠性、强扩展性和混合搜索等。已有超过1000家企业用户和27000+ GitHub星标，并受到活跃的开源社区支持。

Darwin是一个开源项目，致力于在科学文献和数据集上预训练和微调LLaMA模型，特别针对材料科学、化学和物理领域。Darwin整合了结构化和非结构化的科学知识，提升了语言模型在科学研究中的效率。基于7B LLaMA模型，Darwin在实验带隙预测和金属分类任务中表现优异，超过了Fine-tuned GPT3.5和专用机器学习模型。尽管仍在开发中，Darwin在解决科学问题方面已展现出巨大潜力。

Embedditor是一款开源嵌入预处理编辑器，简便如微软Word，帮助编辑GPT/LLM嵌入，优化向量搜索并显著降低嵌入和存储成本。提高检索内容的关联性和准确性，支持自动化预处理，去除噪音信息和常用词汇。特性包括添加元数据、标记和筛选嵌入部分，提供美观的HTML标记和多种文件格式保存。本地部署，最大化数据控制并降低30%成本。

Graphbrain是一个AI开源软件库和科研工具，旨在实现自动语义提取和文本理解，探索和推理知识。此项目由欧盟研究委员会资助，作为socsemics项目的一部分，关注在线公共空间的碎片化。Graphbrain利用语义超图概念，结合符号AI与统计/连接主义机器学习方法，旨在提升研究的可理解性和可重复性，尤其适用于计算社会科学、认知科学和人文学科的研究。

Kandinsky 3.0是一个开放源代码的文本到图像扩散模型，注重生成与俄罗斯文化相关的图像。相较于Kandinsky2-x系列，该模型使用了更丰富的数据集，并通过增大文本编码器和扩散U-Net模型的规模，提升了文本理解和图像质量。Kandinsky 3.0包括基本型和修补型两种模型，经过不同步数的训练，提供高质量的图像生成。