Канал ИИ

Понятно что наеверное пока на уровне багованной жопы. Но все же...
Порог входе в геймдев стремится уже к отрицательным значениям)

https://github.com/rehan-remade/universal-modder

Репозиторий universal-modder на GitHub предлагает инструменты, навыки и базу знаний, которые позволяют любому агенту искусственного интеллекта модифицировать практически любую ПК-игру. Он поддерживает работу с различными AI-кодировщиками, такими как Claude Code, Codex, Cursor, Gemini CLI, GitHub Copilot и OpenCode, что делает его универсальным решением для моддинга игр.

### Описание и возможности:
- Назначение: Позволяет агентам AI находить игры, определять их движок, анализировать код, создавать моды, генерировать графику и звук, тестировать модификации в реальных играх и записывать полученные знания для последующих агентов.
- Основные возможности:
- Поиск и анализ игры.
- Построение и тестирование модификаций.
- Генерация 3D-моделей, асетов и звуков.
- Автоматизация игр и создание демонстрационных видео.
- Ведение базы знаний о модификациях и игровых движках.

### Установка:
Репозиторий поддерживает интеграцию с различными инструментами и средами разработки:
- Codex, Gemini CLI, VS Code / Copilot: Установка происходит через добавление плагина из указанных маркетплейсов или командной строки.
- OpenCode и другие: Клонирование репозитория и запуск агента внутри него.
- Требования: Python 3.10+, ffmpeg, Blender для рендеринга 3D моделей.

### Примеры использования:
- Модификация Terraria: Создание оружия и врагов с помощью генерации спрайтов.
- Age of Empires II: Добавление новых цивилизаций и юнитов.
- Интеграция Minecraft с GTA V: Внедрение элементов Minecraft в мир GTA.

### Полезность и аудитория:
- Полезен моддерам и разработчикам: Позволяет автоматизировать моддинг игр и поддерживать обмен знаниями между агентами AI.
- Исследователи и разработчики ИИ: Могут использовать возможности репозитория для тестирования и улучшения своих моделей.
- Геймеры и энтузиасты: Те, кто интересуется созданием уникальных игровых модификаций.

Решение нацелено на создание безопасных и не нарушающих правила модификаций, избегая вмешательства в онлайн-сервисы и защиты игр. Репозиторий лицензирован под лицензией MIT, что позволяет его свободное использование и модификацию.

Если есть врачи

Репозиторий "RADAR" от Alibaba DAMO Academy посвящен разработке универсальной модели для анализа изображений и текста, связанной с медицинской радиологией. RADAR обучена на более чем 400 000 контрастных обследований брюшной полости, полученных с помощью компьютерной томографии (КТ), и использует 15 миллионов пар изображений и текстов, учитывающих анатомические особенности, напрямую извлеченные из клинических отчетов без ручной аннотации.

### Описание решения:
RADAR представляет собой масштабируемую и универсальную платформу для искусственного интеллекта в радиологии, демонстрирующую результаты на уровне эксперта как в рутинных, так и в сложных клинических задачах. Модель предназначена для исследования и пока не готова для прямого клинического применения без дальнейших улучшений и перспективных клинических исследований.

### Как используется и устанавливается:
1. Предварительно обученная модель RADAR: Для использования доступны различные контрольные точки (checkpoint_radar_pretrain.pth, checkpoint_radar_plus.pth и др.), которые можно скачать и разместить в соответствующих директориях.
2. Токенизаторы и модели BERT: Доступны для китайского и английского языков. Они необходимы для обработки текстовой информации.
3. Предварительно обученные модели VisionBranch (UNet): Используются для обработки изображений.

### Применение и полезность:
- Исследовательская работа: Модель полезна для исследователей в области радиологии, машинного обучения и обработки изображений.
- Автоматизация обработки медицинских данных: RADAR может автоматизировать анализ и интерпретацию медицинских изображений, что потенциально снижает нагрузку на врачей.
- Разработка новых методов диагностики: На основе этой модели можно разрабатывать новые алгоритмы и подходы для диагностики заболеваний брюшной полости.

### Потенциальные пользователи:
- Исследователи в области медицинского ИИ и радиологии.
- Разработчики медицинских приложений и стартапы, занимающиеся медицинскими технологиями.
- Академические учреждения, занимающиеся изучением и разработкой технологий обработки изображений и языков.

### Лицензия:
Проект распространяется под лицензией CC BY-NC-SA 4.0, что позволяет использовать его для некоммерческих целей при условии указания авторства и распространения производных материалов на тех же условиях.

Проект RADAR представляет собой значительный шаг в сторону внедрения искусственного интеллекта в медицинскую практику, но требует дальнейших исследований и тестирования для клинического использования.

https://huggingface.co/Alibaba-DAMO-Academy/RADAR

Ебушки воробушки
https://x.com/anabology/status/2106157622986748377

Репозиторий Code2Video предлагает решение для автоматической генерации образовательных видео посредством кода. Это проект, разработанный в Show Lab при Национальном университете Сингапура, который ориентирован на создание качественных образовательных видео из заданных точек знаний. Вместо традиционных моделей, генерирующих видео на основе пикселей, Code2Video использует исполняемый код Manim для обеспечения ясности и воспроизводимости.

### Основные особенности:
1. Кодоцентричный подход: видео генерируются на основе кода, что позволяет легко управлять временной последовательностью и пространственной организацией.
2. Модульный триагентный дизайн: включает три компонента — Планировщик (расширение раскадровки), Кодер (синтез отлаживаемого кода) и Критик (улучшение макета).
3. Бенчмарк MMMC: первый бенчмарк для генерации видео на основе кода, охватывающий 117 учебных тем.
4. Многомерная оценка: включает оценку эффективности, эстетики и передачи знаний.

### Установка и использование:
- Для установки необходимо клонировать репозиторий и установить зависимости с помощью команды pip install -r requirements.txt.
- Требуется настройка API-ключей в файле api_config.json для работы с различными компонентами системы.
- Доступны два скрипта для генерации видео: run_agent_single.sh для одиночных тем и run_agent.sh для множества тем.

### Применение:
- Образовательные учреждения: автоматизация создания обучающих материалов.
- Преподаватели и студенты: возможность быстро генерировать визуальные объяснения сложных тем.
- Разработчики контента: создание образовательного контента с минимальными затратами времени на визуализацию.

Проект может быть полезен всем, кто занимается созданием образовательного контента и стремится к автоматизации и улучшению качества визуальных материалов.

https://github.com/showlab/Code2Video