谷歌新作：AI 检测文件内容类型，5ms 即可完成 | 开源日报 No.192

google/magikahttps://github.com/google/magika

Stars: 5.0k License: Apache-2.0

magika 是一个利用深度学习来检测文件内容类型的工具。

• 使用自定义、高度优化的 Keras 模型，仅约 1MB 大小，在单个 CPU 上能够在毫秒内实现精确的文件识别。
• 在超过 1M 文件和 100 种内容类型（包括二进制和文本文件格式）的评估中，达到了 99% 以上的准确率和召回率。
• 可作为 Python 命令行工具、Python API 和实验性 TFJS 版本使用，并支持批处理以加快推理速度。
• 推理时间大约为每个文件 5ms，且独立于文件大小而保持近恒定。

karpathy/minbpehttps://github.com/karpathy/minbpe

Stars: 4.3k License: MIT

minbpe 是用于 LLM 分词中常用的字节对编码（BPE）算法的最小、干净代码。

• 实现了基本 BPE 算法，直接在文本上运行。
• 实现了 RegexTokenizer，通过正则表达式模式进一步拆分输入文本，在标记化之前将输入文本按类别（如：字母、数字、标点符号）进行分割。确保不会跨越类别边界进行合并。
• 实现了 GPT4Tokenizer，是 RegexTokenizer 的轻量级包装器，完全复制了 tiktoken 库中 GPT-4 的标记化过程。

facebookresearch/DiThttps://github.com/facebookresearch/DiT

Stars: 2.7k License: NOASSERTION

DiT 是 "Scalable Diffusion Models with Transformers" 的官方 PyTorch 实现。 该项目的主要功能、关键特性、核心优势：

• 提供了基于 PyTorch 的 DiT 模型定义和预训练权重
• 支持训练和采样代码
• 分析了通过 Transformer 进行操作的潜在扩散模型（DiTs）的可扩展性
• 在 ImageNet 512×512 和 256×256 基准测试中，DiT-XL/2 模型表现出色，取得最先进 FID 结果

ajeetdsouza/zoxidehttps://github.com/ajeetdsouza/zoxide

Stars: 15.6k License: MIT

zoxide 是一个更智能的 cd 命令，支持所有主要的 shell。 主要功能是记住您经常使用的目录并快速跳转。

smartcontractkit/chainlinkhttps://github.com/smartcontractkit/chainlink

Stars: 6.1k License: MIT

chainlink 是一个去中心化预言机网络的节点，连接了链上和链下计算。

• 扩展智能合约功能，实现对真实世界数据和链下计算的访问
• 保持区块链技术固有的安全性和可靠性保证
• 包含 Chainlink 核心节点和合约
• 提供预构建 Docker 镜像以供下载使用
• 活跃社区支持，并提供 Discord 作为主要沟通渠道
• 提供详细文档指导、Solidity 开发资源等信息