学习与研究01
vtavakkoli/TinyCeNN-LM · Tiny language-model research lab exploring Cellular Neural Network (CeNN) recurrent state cores as alternatives to Transformer layers, with distillation, shared-weight iteration, and efficiency benchmarks.
TinyCeNN-LM 是一个小型语言模型研究项目，探索用细胞神经网络（CeNN）循环状态核作为 Transformer 注意力层的替代方案，尝试在保留预训练语言模型能力的前提下减少部分注意力层的开销。仓库覆盖 SmolLM2、Qwen3.5、FunctionGemma 和 Gemma 4 等模型，包含蒸馏、共享权重迭代、缓存解码、质量/速度/内存对比评测，并保留负面结果与消融实验；当前主张先做选择性替换，通过表示相似度与模型级损失门控逐个接受替换层。
学习与研究02
google/deepvariant · DeepVariant is an analysis pipeline that uses a deep neural network to call genetic variants from next-generation DNA sequencing data.
DeepVariant 是 Google 开源的分析流程，将比对后的 DNA 测序reads（BAM/CRAM）转换为pileup图像张量，用卷积神经网络分类，最终输出标准 VCF/gVCF 变异结果，支持二倍体生物种系变异检测，覆盖 Illumina/Element、PacBio HiFi、Oxford Nanopore、Complete Genomics 等多种测序平台，并包含 DeepTrio 用于三口之家/双人变异检测。模型仅在人类数据上训练，用户可下载 Docker 镜像或预编译二进制运行，也支持 GPU/TPU 加速。
学习与研究03
google/deepconsensus · DeepConsensus uses gap-aware sequence transformers to correct errors in Pacific Biosciences (PacBio) Circular Consensus Sequencing (CCS) data.
DeepConsensus 是 Google 开源的生物信息学工具，利用间隙感知（gap-aware）序列 Transformer 对 PacBio 环形一致性测序（CCS）数据进行纠错，从而提升高质量读段的产出量。它运行在 PacBio 测序后的 subreads 上，生成 FASTQ 格式的校正读段，可替代 CCS/HiFi 读段用于下游变异检测与基因组组装分析；README 提供了产出率、运行时间与组装指标等文档，并给出 pip、Docker 与源码的安装方式及建议的计算配置。