1.UNA: 这个项目是一个用AI简化移民计划的系统。用户可通过AI得到个性化的移民计划和建议。该项目是在Producthunt上发布的。
链接：

https://www.producthunt.com/posts/una-d3125ae4-c1ad-4225-8394-ae7a8bf4689b

2.HoshAI: 该项目主要是制作AI助手，用于生成文本、图像、音频和视频。它可以在多种媒体中使用，包括大型语言模型、TTS、音乐、语音和多媒体相关内容。详情请参考上述链接。
链接：

https://www.producthunt.com/posts/hoshai

3.AnswerTime: 这个项目是一个由AI驱动的快速有效的用户研究工具。它通过AI技术对用户行为进行分析，从而帮助产品设计者获得更深入的用户洞察。这个工具已经在Producthunt上发布，引起了用户的热议。
链接：

https://www.producthunt.com/posts/answertime

4.Fotographer AI:
这个项目是关于由人工智能创建的营销内容。讨论链接和产品链接包含了关于一个名为’Fotographer AI’的产品的信息。这个产品利用AI技术生成营销内容。
链接:

https://www.producthunt.com/posts/fotographer-ai

5. Prompto:
这个项目允许用户在浏览器中与各种大型语言模型进行交互。用户可以通过Producthunt的讨论链接进行参与讨论，也可以通过提供的链接直接访问项目。这个项目与人工智能的大型语言模型有关。
链接：

https://www.producthunt.com/posts/prompto-3

7.Braintrust AIR:
这个项目是全球首个人工智能招聘员。通过该项目，用户能够与AI进行交流，以完成招聘过程。对于具有相应需求的用户或企业，这无疑是一种全新、有效的招聘方式。

链接：

https://www.producthunt.com/posts/braintrust-air

8.GistNoesis/FourierKAN:
FourierKAN是一个Pytorch层，旨在替代线性+非线性激活功能。项目灵感来源于Kolmogorov-Arnold网络，但使用1d傅立叶系数替代样条系数，可以更容易优化，因为傅立叶更密集（全局vs局部）。这是一个原始版本，使用的内存与网格大小成比例，而融合版本不需要临时内存。
​链接：

https://github.com/GistNoesis/FourierKAN

9.espeak-ng/espeak-ng:
eSpeak NG是一个开源的语音合成器，支持超过一百种语言和口音。它使用“共振峰合成”方法，可以以小的大小提供多种语言，并支持Klatt共振峰合成，并能够使用MBROLA作为后端语音合成器。它可以作为命令行程序，共享库版本，还可以用于支持Windows SAPI5接口的屏幕阅读器和其他程序。
链接：

https://github.com/espeak-ng/espeak-ng

10.cpacker/MemGPT:
MemGPT是一个可以创建具有长期记忆和自定义工具的大型语言模型代理的项目。它方便用户构建和部署支持长期记忆/状态管理、连接到外部数据源（如PDF文件）用于RAG以及定义和调用自定义工具（如Google搜索）的有状态LLM代理。此外，用户还可以使用MemGPT将代理部署为服务，可以在支持的LLM提供商之上运行多用户、多代理的应用。
链接：

https://github.com/cpacker/MemGPT

11.TracecatHQ/tracecat:
Tracecat是一个开源的安全团队自动化平台，旨在打造Tines / Splunk SOAR的功能，包括企业级开源工具，开源AI基础设施和GPT模型，以及以实践者为中心的UI/UX。Tracecat设计简单但功能强大，使得安全自动化对每个人，尤其是人手不足的小型至中型团队都易于接触。用户可以用Tracecat快速构建AI辅助的工作流程，丰富警报，并快速处理案件。
链接：

https://github.com/TracecatHQ/tracecat

12.Prometheus 2

一个专门用于评估大语言模型质量的模型。
之前也有一些开源的评测模型,但它们要么和人类评分差异很大,要么只能做固定形式的评测。

Prometheus 2的特点是:

1)它的评分和人类非常接近;
2)它既可以给文本直接打分,也可以比较两个文本哪个更好;
3)它可以根据用户给的具体标准来评分,而不局限于通用的标准。

论文作者通过合并两个模型的参数得到了Prometheus 2:一个模型是用直接打分的数据训练的,另一个是用文本比较的数据训练的。

项目地址和模型下载：https://github.com/prometheus-eval/prometheus-eval

历史上的今天 ( 27 )：