Leviidev/Henge

外部のオープンソース リポジトリを紹介するページです。HDATFの製品ではありません。

何をするか

HengeはiPhoneやiPadでmacOSを動かしたい利用者向けのエミュレーターです。Appleの復元イメージと仮想Macのディスク状態を入力として、端末上にmacOSのデスクトップを表示します。iOSアプリはハードウェア仮想化機能にアクセスできないため、独自のJIT実行エンジンでarm64命令を変換します。仮想GPUはmacOSの描画命令を受け取り、Metalで再現します。タッチ操作をトラックパッドとして使い、キーボードとマウス入力、共有フォルダー、クリップボード機能も説明されています。対応するApple端末、iOSまたはiPadOS 17以降、JITを使える環境、十分なストレージが必要で、Appleのソフトウェアは別途取得します。READMEでは、実機試験はこれまでiPhone 17 Proに限られ、実際のiPadではまだ試験していないとしています。Apple Accountへのログイン失敗やアプリごとの描画互換性の制限があり、実際のMacより遅くなります。

ライセンス

GPL-2.0 標準ではない独自ライセンスです。再利用の前にライセンスファイルを確認してください。

同じ分野のリポジトリ

• sostenesfreitas/ocarina-recomp
  Ocarina Recompは、利用者が用意したゲームファイルからOcarina of TimeをWindows向けのネイティブプログラムとして構築する実験的なプロジェクトです。任意のコンソールソフトを動かす汎用ツールではなく、このゲームを調査するプレイヤーや貢献者を対象にしています。対応するゲームバージョンの利用者所有コピーを入力し、ローカル実行ファイルと生成コードを出力します。生成器はARM64命令をCに変換し、コンソールのシステム機能を提供する実行環境と一緒にコンパイルします。グラフィックス処理ではNVN 2呼び出しをVulkanに変換し、シェーダーをSPIR-Vに翻訳します。文書上の開始環境は64ビット版Windows 10または11、AVX2対応CPU、mesh shaderに対応するVulkan 1.3 GPUで、準備時にはインターネット接続が必要です。リポジトリはゲーム、鍵、すぐ遊べるゲーム実行ファイルを含まないと説明し、ゲームから生成したファイルの共有を禁止しています。管理者による報告はPC一台の開始エリアでの試験に限られ、ゲームの大部分とAMDおよびIntel GPUは未検証です。一部のアーキテクチャ文書には基盤となったTears of the Kingdomの説明が残っているため、追加のOcarinaバージョンやハードウェアへの対応を示す根拠にはできません。
• sb-ai-lab/Whydra
  研究者や分析者が表形式の観測データから変数関係のグラフ候補を探すPythonライブラリです。対話モデルや完成済みの分析画面ではなく、コードから呼ぶ因果構造探索ツールです。行を標本、列を変数とする配列を入力し、関係グラフと辺の情報を出力します。PC-stable、FCI系、RAIなどを備え、連続値と離散値に適した独立性検定を選びます。条件付き独立性検定の並列化、結果をキャッシュする派生方式、背景知識の反映を案内しています。Python 3.10以上が必要で、グラフ画像を保存する場合はGraphvizも別途必要です。例ではアルゴリズムのオブジェクトに設定とデータを渡し、基本利用に外部モデルAPIは要求しません。ベンチマーク用データは同梱されず、別に用意します。観測から推定したグラフは実際の原因の確定ではなく、データ型とアルゴリズムの仮定を検証する必要があります。
• davidakpele/wifi-densepose
  このリポジトリは、カメラ画像の代わりにWiFiのチャネル状態情報であるCSIから人の姿勢を推定するシステムの枠組みを示しています。CSIは無線通信経路の変化を表す情報で、カメラを使わない検知を研究する開発者が対象です。設計ではCSIの標本を受け取り、振幅と位相を処理してモデルの入力特徴に変換し、姿勢結果をAPIとストリーミングで提供します。ソースにはPyTorchのモデル構成要素、サービス管理、ハードウェアと姿勢の模擬実行設定があります。ただし、サービスの実CSI収集メソッドは標本を返さない未実装の処理です。学習済み姿勢重みの読み込みはコメントアウトされ、姿勢生成や行動分類の一部も合成結果を作ります。READMEにはパッケージの導入や機器設定の説明がありますが、それだけで検知システムが動作するとは確認できません。実利用には検証済みのCSI収集経路、学習済み重み、空間ごとの校正と実測検証が必要なため、壁越しの追跡や宣伝される精度と速度を確認済みの能力とは扱えません。
• mille-okws/pestinha
  Pestinhaは、パソコンの利用や触れ合いに反応するキャラクターを求める人向けのローカルなデスクトップペットです。BryanとJorgeは同じ神経回路の設計を使いますが、性格、コンテンツ、記憶は別々に保管します。マウス操作、使用中のプログラム名、操作がない時間、ウィンドウの位置と大きさを入力として、表情、移動、遊びを表示します。刺激が蓄積すると模擬ニューロンが信号を出すスパイキングニューラルネットワークと、開発者が定めた規則が行動の傾向を決めます。報酬と状況の関連学習や、反復刺激への反応が弱くなる慣れによって一部の反応が変わり、学習状態はクラウドアカウントではなくローカルに保存します。Python 3.11以上、PySide6、OSごとのインターフェースを使い、Windows、macOS、Linux X11を対象とし、モデルサービスのAPIは必要ありません。開始方法はPythonの依存関係を準備してデスクトップの起動入口を開き、初回案内でアクセス権限を確認する流れです。ウィンドウの内容やタイトルは読まず、作者はmacOSとLinuxを実機で試験しておらず、Waylandには追加の制約があると明記しています。
• RikiyaT/lm_understand-logs
  このリポジトリは、言語モデルが神経回路の重みを読み書きする実験を調べたい読者向けの研究記録集であり、そのまま使える編集サービスではありません。八つの実験フォルダーでは、学習済みネットワークの識別、修正や作成、小型言語モデルの数学性能に向けた重みの編集を扱います。記録された入力はプロンプト、課題の説明、ネットワーク情報で、出力は応答、コード、実行結果、評価、最終ネットワークまたは重みの差分です。実験ごとのREADMEが発表結果を該当する実行と根拠ファイルに結び付けます。Codexの内蔵ツールは無効化されていますが、一部の実験では別のPython実行環境から出力をモデルへ返しているため、ツール不使用という表現は実験全体で計算しなかったという意味ではありません。同梱の隔離実行例はLinuxのbubblewrapでネットワークと資源を制限し、完全な再現には該当モデルへのアクセス、データ、評価環境が別途必要です。実験READMEからプロンプト、実行記録、評価資料をたどって読み始められ、閲覧だけならモデルAPIを呼ぶ必要はありません。以前のプロンプト試行、一部の重み、中間データはなく、数学実験の完全なエージェント実行基盤も含まれず、記録、スクリプト、第三者資料の利用条件を区別する必要があります。

Trendshiftのランキングに入ったリポジトリだけを載せ、リストは候補を探すためだけに使いました。順位の数字は転載していません。説明、ライセンス、スター数は各GitHubリポジトリで確認しました。解説は私たちの判断です。これらを試験したわけではなく、上昇リストに載ったことは品質の証明ではありません。