关注我，记得标星⭐️不迷路哦～
✨ 1: TheoremExplainAgent
TheoremExplainAgent是一个AI系统，能生成Manim视频解释定理，揭示文本难以发现的推理缺陷，用于研究目的。
TheoremExplainAgent 是一个人工智能系统，它利用大型语言模型 (LLM) 生成详细的、可视化的定理讲解视频。这些视频使用 Manim 动画引擎制作，旨在通过动态的视觉呈现来解释复杂的数学或其他领域的定理，从而更深入地理解定理的内容和证明过程。
地址：https://github.com/TIGER-AI-Lab/TheoremExplainAgent
✨ 2: AI 写作助手
AI写作助手是一个基于Next.js的工具，支持多种LLM，助你定制写作风格并生成高质量内容。
AI写作助手是一个基于Next.js构建的工具，旨在通过AI技术提升写作效率和质量。 它允许用户通过详细的提示词风格编辑器定制写作风格，并支持多种大型语言模型（LLM）API，如OpenAI、Anthropic Claude、Google Gemini、Groq、Ollama和Grok。 助手具有用户友好的界面，提供实时内容编辑、Markdown导出、详细调试信息和主题切换等功能。 通过API设置选择模型和配置密钥后，用户可以设定文章主题、关键词和字数，定制风格，然后生成内容、编辑和导出。
地址：https://github.com/GeekyWizKid/writing-helper
✨ 3: MTranServer
MTranServer是一款超低资源消耗的离线翻译服务器，速度极快，支持多语言，翻译质量与Google翻译相当。
MTranServer是一个超低资源消耗、速度极快的离线翻译服务器。它只需要CPU和1GB内存即可运行，无需GPU，单个请求的平均响应时间为50ms，支持全球主要语言的翻译，翻译质量与Google翻译相当。
地址：https://github.com/xxnuo/MTranServer
✨ 4: ReSearch
ReSearch利用强化学习训练LLM，使其学会通过搜索进行推理，从而提高问答效果，无需监督数据。
ReSearch 是一个训练大型语言模型 (LLM) 的方法，它受到 Deepseek-R1-Zero 和 OpenAI 的 Deep Research 的启发，旨在让 LLM 具备推理和搜索能力。 该方法使用强化学习（具体是 GRPO 算法）从头开始训练 LLM，使其学会何时以及如何调用搜索工具来有效地回答问题，而无需任何监督数据，仅依赖于强化学习的奖励信号。
地址：https://github.com/Agent-RL/ReSearch
✨ 5: CoE
CoE是一种新的稀疏LLM处理方法，通过层内专家间的迭代通信，提高模型性能和效率，降低内存使用。
CoE (Chain-of-Experts) 是一种新颖的稀疏大型语言模型 (LLM) 处理方法，它通过在 Mixture-of-Experts (MoE) 模型中的层内专家之间实施顺序通信来改变了传统的处理方式。
CoE 通过实现稀疏神经网络中的通信处理，解决了当前 MoE 架构中的基本限制，同时以更低的计算需求提供卓越的性能，有望成为一种高效且有效的 LLM 扩展方法。
地址：https://github.com/ZihanWang314/CoE/blob/main/README.MD
（文：每日AI新工具）