Repositoryvolotat/mini-AGIForschung
Große Sprachmodelle erfordern üblicherweise massive Rechencluster für das Pre-Training und leiden bei nachträglichem kontinuierlichem Datenzustrom unter katastrophalem Vergessen. mini-AGI erforscht alternative Architekturen, die lebenslanges Lernen und dynamisches Ressourcenmanagement direkt auf lokaler Standard-Hardware ermöglichen.
Das Projekt von Entwickler volotat positioniert sich ausdrücklich nicht als Konkurrent zu kommerziellen Frontier-Modellen, sondern als Machbarkeitsnachweis für kontinuierliches Lernen. Der Name ist laut Autor mit einem Augenzwinkern gewählt. Technisch bemerkenswert ist die Kombination aus byte-basiertem Ansatz, dynamischer Modularität (unter Einsatz von Experten) und dateibasiertem Speicher-Paging. Damit zeigt mini-AGI einen spannenden architektonischen Ansatz auf, wie LLM-Training abseits gigantischer Rechenzentren für individuelle Anforderungen erforscht werden kann. Da sich das Training noch in der ersten Passage befindet und die Gewichte noch ausstehen, bleibt abzuwarten, wie stabil die Wissensrepräsentation über sehr lange Zeiträume tatsächlich bleibt.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 29. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Repository:JustVugg/colibri
Colibrì ist eine leichtgewichtige Open-Source-Inferenz-Engine in reinem C ohne externe Abhängigkeiten, die riesige Mixture-of-Experts-Modelle (MoE) von 744 Milliarden bis 2,8 Billionen Parametern auf gewöhnlicher Consumer- und heterogener Hardware ausführt. Durch mehrstufiges Speichermanagement (AI Memory Multitiering) werden Experten dynamisch von der Festplatte gestreamt.
37.671SterneC
Repository:vectorize-io/hindsight
Hindsight ist ein unter der MIT-Lizenz veröffentlichtes Speichersystem für KI-Agenten. Im Gegensatz zu einfachen Chatverlauf-Speichern oder traditionellen RAG- und Wissensgraph-Ansätzen zielt das Projekt darauf ab, dass Agenten über die Zeit hinweg tatsächlich lernen.
41.300SternePython
Repository:test-time-training/e2e
Dieses Repository enthält die offizielle JAX-Implementierung für End-to-End Test-Time Training (TTT) für lange Kontexte. Der Ansatz modelliert die Verarbeitung langer Kontexte als Continual-Learning-Problem: Ein Standard-Transformer mit Sliding-Window-Attention passt seine Gewichte zur Testzeit via Next-Token-Prediction an und komprimiert den Kontext direkt in die Parameter.
693SternePython
Repository:MakazhanAlpamys/Soup
Soup (soup-cli) ist ein Open-Source-Werkzeug, mit dem Sprachmodelle über eine einzige YAML-Konfigurationsdatei und einen CLI-Befehl lokal feinjustiert werden können. Durch Layer-Streaming ermöglicht das Tool das Training von 8B-Modellen auf Consumer-Hardware mit nur 4 GB Grafikspeicher.
7489SternePython
Repository:FlashML-org/FreeToken
FreeToken ist eine quelloffene Inference-Engine, die große Mixture-of-Experts-Modelle (MoE) auf herkömmlichen Gaming-PCs und Laptops nutzbar macht. Durch kooperative CPU-GPU-Ausführung, semantisches Caching und dynamisches VRAM-Management lassen sich Modelle wie DeepSeek-V4-Flash oder GLM-5.2 ohne Rechenzentrumsinfrastruktur lokal betreiben.
11.702SternePython
Repository:fudan-generative-vision/Remory
Remory ergänzt klassische Text-Zusammenfassungen bei LLM-Agenten um ein erlerntes Soft-Memory aus dem Gesprächsverlauf. Dieses Residual-Gedächtnis wird konditioniert an die Zusammenfassung angehängt und hilft eingefrorenen Basismodellen, ihre Arbeit über Kompaktierungszyklen hinweg präzise fortzusetzen.
236SternePython
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
