sb-ai-lab/Whydra

本页介绍外部开源仓库，并非 HDATF 产品。

它做什么

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。

许可证

无许可证 未找到许可证文件。没有许可证时，默认不允许复用代码。

同领域的其他仓库

• 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。
• hyprwm/Hyprland
  Hyprland是一款Wayland合成器，也就是负责排列应用窗口并将其合成为显示画面的桌面系统组件。它面向希望细致定制Linux桌面的用户，而不是用于开发网页界面的工具。它根据窗口状态、输入事件、显示器设置和配置文件，决定窗口布局、工作区及视觉效果。它支持平铺、浮动和全屏窗口、多种布局方式、窗口规则、动画和插件。当前示例使用Lua配置，附带的hyprctl工具和本地Unix套接字允许其他程序执行控制、状态查询和事件接收。开始使用需要兼容的图形环境、安装Hyprland并配置会话，由于它不是完整桌面环境，还需另行准备终端和其他桌面工具。GPU驱动、虚拟机图形加速以及应用在Wayland下的表现都需要单独检查，它不是Windows桌面替换包，也不是AI任务执行系统。
• bregman-arie/devops-exercises
  devops-exercises是面向学习开发运维和服务可靠性的人员的问题与练习资料集合。主题包括网络、操作系统、SQL、容器、云服务、交付流程和可观测性。读者选择题目，自行编写说明、代码或查询，再与部分题目的答案或链接资料比较。它不是自动部署基础设施或自动评分的可执行产品。阅读本身没有统一安装环境或API要求，实际练习环境取决于所选题目的技术。作者说明这些资料并不复现真实面试，也不要求掌握列出的每一种技术。部分问题没有答案，部分认证指南较旧，因此答案和当前要求需要另行核实。README标明CC BY-NC-ND 3.0，FAQ说明署名和非商业条件，企业商业复用或翻译转载前应确认这些条件。

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。