返回首页
最新
我开发了DeepShot，这是一个使用滚动统计数据、历史表现和近期势头来预测NBA比赛的机器学习模型，所有数据都以清晰、互动的网页应用形式展示。与简单的平均值或投注赔率不同，DeepShot使用指数加权移动平均（EWMA）来捕捉近期状态和势头，突出球队之间的关键统计差异，让你了解模型为何偏向某一方。该模型由Python、XGBoost、Pandas、Scikit-learn和NiceGUI驱动，能够在任何操作系统上本地运行，并且仅依赖于来自篮球参考网站的免费公共数据。如果你对体育分析、机器学习感兴趣，或者只是想知道算法是否能超越拉斯维加斯，欢迎查看并告诉我你的想法：<a href="https://github.com/saccofrancesco/deepshot" rel="nofollow">https://github.com/saccofrancesco/deepshot</a>
我们尝试过的大多数MCP安全扫描器都存在噪音大、警报不断和误报频繁的问题。我们认为开发者应该得到更好的体验。我们正在寻找早期用户，希望他们能够尝试并帮助我们塑造一个真正有效的工具。
我们正在构建一个开源安全扫描器，以检测以下问题：
```
- 提示注入
- 间接提示注入
- 跨域升级
- 工具中毒
- 工具名称模糊性
- 命令注入
- 权限过度
- PIl检测
```
如果这听起来有趣，请留言。
我开发了Memory Layer V-R-C-R，这是一款专门为大型语言模型（LLM）对话历史存储设计的人工智能记忆压缩引擎。
主要特点：
- 压缩率达到75-85%（相比于向量数据库的25-40%）
- 处理时间低于10毫秒
- 分层压缩（热数据/温数据/冷数据/冷藏数据）
- 跨回忆技术（网络效应）
- 适用于生产环境，企业级
在线演示： [https://memorylayer-vrcr.netlify.app](https://memorylayer-vrcr.netlify.app)
该技术正在申请专利。