全新娱乐项目是一款集娱乐票务一体的综合平台，包含娱乐信息，商城，购物车，订单，票务支付、购买，个人中心，已经有线上app，目前做的是小程序页面设计。 CryptoSentiment这个项目做的是网站对应的h5页面，功能比较少，客户要求UI页面清晰、简约。

https://apps.apple.com/cn/app/id1068393254 负责项目的全部开发任务，开发版本包括3.4.0，3.4.1，3.4.2，3.4.3，3.4.4，3.5.0，3.6.0，3.7.0，3.7.1，3.8.0： MVC项目框架，Cocoapods代码管理 基于蘑菇街的组件化路由架构 masonry 布局 Bolts的task任务联试编程 Block ,代理协议，通知等进行通信 网络库及数据解析库基于AFNetworking封装的网络框架，yykit的yymodel进行数据解析。 Jenkins 自动部署打包

本项目面向专业的股票期货交易员，智能下单价格免键盘输入高效的帮助用户测试验证交易系统的可行性。 项目组成：数据采集端、管理后台、html5 功能： 复盘训练、训练下单标记、训练结果统计、智能价格、历史行情查看，指定日日内k线数据查看

InternLM-XComposer2 [?Github Repo](https://github.com/InternLM/InternLM-XComposer) InternLM-XC

# **Q**uestion and **A**nswer based on **Anything** 去往GitHub | English | 简体中文       

Udever 多语言通用文本表示模型 文本表示是将一个输入句子使用机器学习模型转换为一个固定维度的连续向量: 输入: 吃完海鲜可以喝牛奶吗? 输出: [0.27162,-0.66159,0.3303

ChatPLUG介绍 ChatPLUG是一个开放域对话模型，其接收用户对话历史和对话相关的外部知识、用户人设、模型人设信息，输出合适的文本回复。 该模型基于PLUG，使用亿级互联网社交数据、百科数据预

基础视觉模型高效调优：Side-Tuning 基于大规模预训练基础模型的参数高效迁移学习方法在各种下游应用中均取得了优异的表现，其中包括了利用side网络进行调优的方法。该方法仅需训练一个side网络

Taiyi-Stable-Diffusion-1B-Chinese-v0.1 Github: Fengshenbang-LM Docs: Fengshenbang-Docs API：Fengshen

Highlights 会议场景端到端说话人日志模型，解决 "who spoke when" 的问题，发表于EMNLP 2022，在AliMeeting数据集上获得SOTA结果。 支持功能： 给定若干

Highlights UniASR德语语音识别模型，可对近场、低噪、正常语速、朗读形式的德语音频进行语音识别： ASR模型：UniASR模型，德语语音识别模型。 ITN模型：德语ITN模型，可用于语

Sambert-Hifigan模型介绍 框架描述 拼接法和参数法是两种Text-To-Speech(TTS)技术路线。近年来参数TTS系统获得了广泛的应用，故此处仅涉及参数法。 参数TTS系统可分为两

视频去场纹模型 视频去场纹模型是一种解决隔行扫描导致的场纹问题的技术，它能够自适应地检测输入视频中的场纹，并针对场纹区域进行场纹去除与画面补全，返回画面干净自然的视频结果。 效果展示 以下是在真实网络

Sambert-Hifigan模型介绍 框架描述 拼接法和参数法是两种Text-To-Speech(TTS)技术路线。近年来参数TTS系统获得了广泛的应用，故此处仅涉及参数法。 参数TTS系统可分为两

Sambert-Hifigan模型介绍 框架描述 拼接法和参数法是两种Text-To-Speech(TTS)技术路线。近年来参数TTS系统获得了广泛的应用，故此处仅涉及参数法。 参数TTS系统可分为两

VLDoc文档理解多模态预训练模型介绍 文档理解，即给定一个视觉富文档(visually-rich document)，对其自动地分析与处理，包括文档信息抽取、文档版面分析、文档分类与文档VQA等等。

VoP: 通用跨模态视频检索模型 论文 [点击阅读] VoP是第一个同时具有视频和文字Prompt的端到端视频文本跨模态检索框架，基于Prompt的高效微调与完全微调相比，VoP利用0.1%的训练参数

Taiyi-Stable-Diffusion-1B-Chinese-v0.1 Github: Fengshenbang-LM Docs: Fengshenbang-Docs API：Fengshen

RANER介绍 模型描述 本方法采用Transformer-CRF模型，使用XLM-Roberta作为预训练模型底座，结合使用外部工具召回的相关句子作为额外上下文，使用Multi-view Train

基于连续语义增强的神经机器翻译模型介绍 本模型基于邻域最小风险优化策略，backbone选用先进的transformer-base模型，编码器和解码器深度分别为24和6，相关论文已发表于ACL 202