Leviidev/Henge

本页介绍外部开源仓库，并非 HDATF 产品。

它做什么

Henge是一款模拟器，供希望在iPhone或iPad上运行macOS的用户使用。它接收Apple恢复映像和虚拟Mac的磁盘状态，在设备上呈现macOS桌面。由于iOS应用无法访问硬件虚拟化功能，它通过自己的JIT执行引擎转换arm64指令。虚拟GPU接收macOS的图形命令并通过Metal重放。触摸屏可作为触控板，也介绍了键盘鼠标输入、共享文件夹和剪贴板功能。它需要受支持的Apple设备、iOS或iPadOS 17及以上、可用的JIT环境和充足存储空间，Apple软件需要另行下载。README说明目前实机测试仅限iPhone 17 Pro，尚未在真实iPad上测试。Apple Account登录会失败，应用图形兼容性有限，而且模拟运行比真实Mac慢。

许可证

GPL-2.0 自定义或非标准许可。复用前请阅读许可证文件。

同领域的其他仓库

• sostenesfreitas/ocarina-recomp
  Ocarina Recomp是一个实验项目，使用用户提供的游戏文件，将Ocarina of Time构建为Windows原生程序。它面向研究这款游戏的玩家和贡献者，不是运行任意主机软件的通用工具。输入是用户持有的受支持游戏版本副本，输出包括本地可执行文件和生成代码。生成器把ARM64指令转换为C，再与提供主机系统功能的运行环境一起编译。图形路径把NVN 2调用转换为Vulkan，并将着色器翻译为SPIR-V。文档列出的起步环境是64位Windows 10或11、支持AVX2的CPU，以及支持mesh shader的Vulkan 1.3 GPU，准备过程需要联网。仓库声明不包含游戏、密钥或可直接游玩的游戏可执行文件，并禁止分享从游戏生成的文件。维护者只报告在一台PC上测试了开头区域，游戏大部分内容及AMD和Intel GPU仍未验证。部分架构文档保留了基础项目Tears of the Kingdom的说明，因此不能据此认定支持更多Ocarina版本或硬件。
• sb-ai-lab/Whydra
  这是帮助研究者和分析人员从表格观测数据中寻找变量关系图候选的Python库。它是代码调用的因果结构发现工具，不是对话模型或完整分析界面。输入数组以样本为行、变量为列，输出关系图和边信息。它提供PC-stable、FCI系列和RAI，并按连续或离散数据选择独立性检验。文档介绍条件独立检验并行化、缓存检验结果的变体及背景知识支持。环境需要Python 3.10以上，保存图像还需另外安装Graphviz。示例向算法对象传入配置和数据，基础使用不要求外部模型API。基准数据不随仓库提供，需要另行准备。观测资料推得的图不等于实际因果已经确定，应验证数据类型和算法假设。
• davidakpele/wifi-densepose
  这个仓库展示了通过WiFi信道状态信息，即CSI，而非摄像头图像估计人体姿态的系统框架。CSI描述无线通信路径的变化，目标用户是研究无摄像头感知的开发者。设计流程接收CSI样本，处理幅度与相位，将其转换为模型输入特征，再通过API和流式接口提供姿态结果。源码包含PyTorch模型组件、服务管理以及硬件和姿态的模拟模式。然而，服务中采集真实CSI的方法尚未实现，不会返回样本。加载已训练姿态权重的代码被注释掉，部分姿态生成和活动分类也会产生合成结果。README介绍了软件包安装和设备配置，但这些说明本身不能证明感知系统已经可用。实际使用仍需要经过验证的CSI采集路径、训练权重、针对空间的校准和实测验证，因此不能将穿墙追踪或宣传中的准确率与速度视为已证实的能力。
• mille-okws/pestinha
  Pestinha是一款本地桌面宠物，面向希望角色对电脑使用和触摸互动做出反应的用户。Bryan和Jorge共用神经网络设计，但分别保存性格、内容和记忆。它把鼠标动作、前台程序名称、空闲时间以及窗口位置和大小作为输入，输出表情、移动和玩耍动画。脉冲神经网络中的模拟神经元会在刺激累积后发出信号，并与开发者编写的规则共同决定行为倾向。奖励与情境的关联学习，以及对重复刺激逐渐减弱的习惯化，会改变部分反应，学习状态保存在本地而非云端账户。项目使用Python 3.11或更高版本、PySide6和各操作系统接口，面向Windows、macOS和Linux X11，不要求模型服务API。文档中的起步方式是准备Python依赖后打开桌面入口，再检查初次引导中的访问权限。它不读取窗口内容或标题，作者说明macOS和Linux尚未经过实机测试，Wayland还有额外限制。
• RikiyaT/lm_understand-logs
  该仓库是研究记录集，面向希望检查语言模型读取或编写神经网络权重实验的读者，并非开箱即用的编辑服务。八个实验文件夹涵盖识别已训练网络、修复或创建网络，以及为小型语言模型的数学能力编辑权重。记录的输入包括提示词、任务说明和网络信息，输出包括回复、代码、执行结果、评估及最终网络或权重差分。各实验的README把发表结果连接到对应运行和证据文件。实验关闭了Codex内置工具，但部分实验通过独立Python执行循环把输出交还模型，因此不使用工具并不意味着整个实验没有计算。随附的隔离执行示例使用Linux bubblewrap限制网络和资源，完整复现还需要相应模型访问、数据和评估环境。读者可以从实验README开始追踪提示词、运行记录和评估材料，仅查看这些资料不需要调用模型API。仓库不包含早期提示词试验、部分权重和中间数据，也不包含数学实验的完整智能体执行框架，复用时还须区分记录、脚本和第三方材料的许可条件。

只收录进入 Trendshift 排行榜的仓库，榜单仅用于寻找候选项目，不转载名次。说明、许可证和星标数来自各 GitHub 仓库。解读是我们自己的判断。我们尚未测试这些项目，上榜并不证明质量。