Scikit-Learn과 유사한 인터페이스를 제공하는, Ruby용 광범위한 알고리즘을 갖춘 기계학습 라이브러리.

로컬 환경, Kubernetes, Google Cloud Platform에서 기계학습 실험을 패키징, 실행, 추적하기 위한 프레임워크입니다.

물리적 제약을 반영한 과학 기반 기계학습 모델을 생성할 수 있도록, 미분방정식 해법기를 신경망에 통합하는 Julia 패키지입니다.

GGUF 형식을 사용하여 Go 애플리케이션 내에서 하드웨어 가속을 통해 고성능 로컬 LLM 추론을 가능하게 하는 llama.cpp용 Go 바인딩.

hf‑mem은 Safetensors 또는 GGUF 가중치를 사용하는 모든 Hugging Face 모델을 실행하는 데 필요한 RAM을 추정하는 가벼운 Python CLI(및 라이브러리)입니다. HTTP range requests를 통해 메타데이터만 가져오며, Transformers, Diffusers, Sentence‑Transformers를 지원하며, 선택적으로 KV‑cache 메모리 및 MoE 세분화 기능을 제공합니다. 단독 도구, Hugging Face CLI 확장 프로그램, 또는 에이전트 스킬로 설치할 수 있습니다.

.ply 파일과 비교하여 시각적 차이를 최소화하면서 파일 크기를 최대 10배까지 줄여주는 3D Gaussian splat을 위한 C++ 라이브러리 및 파일 형식입니다.

R 사용자가 고수준의 신경망 API를 사용하여 딥러닝 모델을 빠르게 프로토타이핑하고 훈련할 수 있도록 해주는 Keras용 R 인터페이스입니다.

Treelite은 결정 트리 포레스트(decision tree forests)를 위한 범용 모델 교환 및 직렬화 형식입니다. C++ 애플리케이션이 모델을 디스크나 네트워크를 통해 저장하고 교환할 수 있게 해줍니다.

비지도 클러스터 분석과 이상치 탐지에 초점을 맞춘 연구를 위한 오픈소스 Java 데이터 마이닝 프레임워크로, 확장 가능한 벤치마킹을 위한 고성능 인덱스 구조를 제공합니다.

실시간 시스템과 오디오 처리에 최적화된 경량 C++ 신경망 추론 엔진입니다.

속성 부여, 특성 시각화, 개념 추출을 제공하여 복잡한 신경망 모델을 이해하는 데 도움을 주는 Python 툴킷입니다.

AI 에이전트의 공동 트레이싱, 평가, 모니터링, 디버깅을 지원하는 오픈소스 에이전트 엔지니어링 플랫폼입니다.

바이너리에서 추출한 문자열을 자동으로 순위 매겨, 악성코드 분석가가 가장 관련성 있는 정보를 신속하게 식별할 수 있도록 돕는 머신러닝 도구입니다.

Anthropic, Gemini, OpenAI 등 다양한 AI 제공자 API를 단일 OpenAI Responses API 인터페이스 아래에서 통합하는 Go 기반의 프로토콜 변환 및 모델 라우팅 프록시입니다.

Cline VS Code 확장 기능을 위한 프레임워크로, 재귀적이고 파일 기반의 추적 시스템과 로컬 LLM 지원 분석을 사용하여 대규모 프로젝트의 컨텍스트와 종속성을 관리합니다.

불확실성 하에서 의사결정을 다루기 위해 마르코프 결정 과정(MDP)과 부분 관측 마르코프 결정 과정(POMDP)을 정의하고 해결할 수 있는 핵심 Julia 인터페이스입니다.

데이터베이스 상의 자연어 질문에 답하기 위해 세계 지식이나 의미적 추론이 필요한 Table-Augmented Generation (TAG)을 위한 벤치마크.

NucliaDB는 벡터, 전체 텍스트, 그래프 인덱스를 결합한 하이브리드 AI 검색 데이터베이스로, 비구조화된 데이터를 저장하고 검색할 수 있습니다.

XGBoost의 확장으로, 단일 점 추정치가 아닌 타겟 변수의 전체 조건부 분포를 예측함으로써 확률적 모델링을 가능하게 합니다.

Nano Banana Pro를 사용하여 코드베이스와 시스템 문서에서 자동으로 아키텍처 다이어그램, 흐름도, 시퀀스 다이어그램을 생성하는 MCP 서버입니다.

300개의 인간 검증 작업과 엄격한 Pass^3 메트릭을 통해 일관된 모델 성능을 보장하는 자율 에이전트를 위한 신뢰할 수 있는 평가 프레임워크입니다.

개별 입력 특징이 아닌 고수준 인간 개념을 사용하여 신경망 예측을 설명하는 모델 해석 방법입니다.

강화학습 알고리즘의 구현, 벤치마크, 재현을 위한 확장 가능한 구성 요소를 제공하는 포괄적인 Julia 패키지입니다.

3D 렌더링에서 VRAM과 대역폭 사용량을 줄이기 위해 여러 PBR 텍스처 채널을 하나의 신경망 세트로 압축하는 신경망 텍스처 압축 SDK입니다.

모델의 안정성과 성능을 향상시키기 위해 학습 중 지수 이동 평균(EMA) 버전의 모델을 유지하는 PyTorch 라이브러리로, 후처리 합성과 타겟 표현 라우팅을 특징으로 합니다.

MOA는 실시간 데이터 스트림 마이닝과 대규모 기계학습을 위한 오픈소스 Java 프레임워크로, 알고리즘과 평가 도구의 세트를 제공합니다.

자율적인 소프트웨어의 코딩, 빌드, 실행을 위해 AI 에이전트가 로컬 쉘과 파일 시스템에 제한 없이 접근할 수 있는 MCP 서버입니다.

C++ 코드 없이 Python 기반 머신러닝 모델을 배포할 수 있는 Triton Inference Server용 백엔드입니다.

VPTQ는 재학습 없이 벡터 양자화를 사용하여 LLM을 2비트 미만으로 압축하는 포스트 트레이닝 양자화 방법으로, 거대 모델을 소비자용 하드웨어에서 실행할 수 있게 합니다.

단일 코드베이스에서 Eloquent 모델을 JSON:API 엔드포인트와 AI 에이전트용 MCP 서버로 자동 변환하는 Laravel 패키지입니다.

AI 에이전트와 LLM API 사이에 위치하는 프록시로, 배경에서 대화 이력을 압축하여 컨텍스트 제한에 도달했을 때 지연을 방지합니다.

Docker를 통해 AI 모델을 관리하고 배포하는 도구로, llama.cpp 및 vLLM과 같은 백엔드를 사용하여 LLM의 풀링 및 제공을 간소화합니다.

이중 최적화 및 메타학습을 위한 명시적, 음함수, 제로차 미분을 지원하는 효율적인 PyTorch 라이브러리입니다.

다양한 하드웨어, 소프트웨어 및 데이터 세트에 걸쳐 재현 가능하고 이식 가능한 워크플로우를 가능하게 하는 AI/ML 연구를 위한 커뮤니티 주도 자동화 프레임워크입니다.

CPU, GPU 및 분산 시스템 전반에서 테이블 데이터에 대해 하드웨어 가속된 머신러닝 루틴을 제공하는 C++ 및 DPC++ 라이브러리입니다.

ETL 및 RAG를 위한 AI 기반 문서 처리 엔진으로, 비정형 문서를 벡터 데이터베이스용 고품질 데이터 청크로 변환합니다.

AI 에이전트를 위한 고성능 세마틱 메모리 시스템으로, Git과 유사한 버전 제어, 계층적 세마틱 경로, 암호적 무결성을 메모리 관리에 도입.

행성 규모의 워크로드를 위한 파생 데이터 저장 플랫폼으로, ML 특징 저장소의 상태 유지형 백엔드로 사용되어 저지연 온라인 추론을 가능하게 합니다.

분자 및 결정의 빠르고 정확한 원자 시뮬레이션을 위한 사전 학습된 신경망 포텐셜 라이브러리로, 비용이 큰 DFT 계산을 대체합니다.

재료 과학을 위한 데이터 마이닝 라이브러리로, 데이터셋을 검색하고 분석을 위한 재료 데이터를 피처화(featurizing)하는 도구를 제공합니다.

AI 코딩 에이전트가 특정 디자인 토큰과 구성 규칙을 따르며 브랜드에 맞는 UI를 작성할 수 있도록, 디자인 시스템을 설치 가능한 에이전트 플러그인으로 컴파일하는 도구입니다.

표준 기울기 이상의 양(예: 개별 샘플 기울기 및 기울기 분산 등)을 역전파 과정에서 정보를 재사용하여 효율적으로 계산하는 PyTorch 확장.

OWASP 기준에 기반한 자동화된 취약점 스캔을 제공하는, AI 에이전트와 MCP 서버를 위한 오픈소스 적대적 에뮬레이션 프레임워크입니다.

트로폴로지 전문가가 아닌 사용자도 접근할 수 있도록 설계된, 토폴로지 데이터 분석(TDA)용 파이썬 라이브러리 모음입니다.

ONE은 TensorFlow와 PyTorch에서 생성된 AI 모델이 다양한 하드웨어 가속기에서 효율적으로 실행될 수 있도록 하는 고성능 디바이스 내 신경망 추론 프레임워크입니다.

NLP 및 LLM 모델의 강건성, 편향, 공정성, 안전성 테스트를 위한 포괄적인 평가 라이브러리입니다.

R 생태계에 PyTorch 기능을 가져와 머신러닝을 위한 텐서 연산과 자동 미분을 가능하게 하는 R 패키지입니다.

수문학 딥러닝 연구를 위해 설계된 PyTorch 기반 Python 라이브러리로, 설정 파일을 통해 신경망을 학습할 수 있습니다.