FlagScale은 FlagOS 생태계를 위한 통합 툴킷으로, 다양한 AI 하드웨어 칩에서 대규모 모델의 트레이닝, 강화학습, 추론을 단일 인터페이스로 제공합니다.

주요 딥러닝 프레임워크와 데이터 프로파일링 도구에 깊이 통합된 ML 및 데이터 추적, 시각화, 설명 가능성 엔진입니다.

VRAM과 CPU RAM 간의 전문가 상주를 관리하여 소비자용 NVIDIA GPU에서 대규모 Mixture-of-Experts (MoE) 모델을 실행할 수 있게 하는 LLM 런타임.

DeepMind의 DQN 기반 강화학습 에이전트의 참조 구현 모음으로, Atari 게임에서의 연구 재현성을 목적으로 합니다.

MariaDB, MongoDB, MySQL, Oracle, PostgreSQL, Redis, SQLite, SQLServer 등 여러 주요 데이터베이스를 지원하는 AI 기반 SQL 클라이언트 및 데이터베이스 관리 도구. 테이블 설계, 쿼리, 동기화 기능 제공.

RNN 기반 모델의 속도와 메모리 문제를 해결하는 자기주의 기반의 다변량 시계열 보간 프레임워크

Nx를 기반으로 Elixir를 위한 전통적인 머신러닝 알고리즘 라이브러리입니다. 분류, 회귀, 클러스터링 및 전처리를 위한 도구를 제공합니다.

연구 목적을 위해 설계된 PyTorch 기반의 에코 스테이트 네트워크와 리저보어 컴퓨팅 구현 및 테스트 모듈로, 딥 아키텍처에 통합 가능합니다.

합성 데이터 생성 및 자동 검증의 자기 개선 루프를 통해 추론 능력을 갖춘 모델을 확장하기 위한 프레임워크.

Databricks에서 Spark를 사용하여 테스트, 벤치마킹 및 데모용으로 확장 가능한 합성 데이터를 생성하기 위한 Python 라이브러리입니다.

GPU 가속을 활용하여 Stockfish의 NNUE 평가 네트워크를 학습하고 자동으로 성능을 평가할 수 있는 PyTorch 기반 프레임워크입니다.

과학적 기계 학습, 불확실성 정량화 및 AI를 위해 설계되었으며, 솔버 워크플로우에 대한 세밀한 제어를 제공하는 제약 조건이 있는 비선형 최적화 프레임워크입니다.

재현 가능한 연구를 보장하기 위해 표준화된 환경과 큐레이션된 데이터셋을 사용하여 오픈소스 AutoML 시스템을 평가하고 비교하는 프레임워크입니다.

함수 설명, 취약점 발견, 증강된 디컴파일과 같은 리버스 엔지니어링 작업을 지원하기 위해 LLM을 통합한 radare2용 플러그인 세트입니다.

CPU 및 GPU 가속을 위한 최적화된 네이티브 라이브러리를 활용하는, 고성능 텐서 및 신경망 계산을 위한 Clojure 라이브러리입니다.

JAX 사용자가 JAX 프로그램 내에서 고성능 GPU 연산을 위해 커스텀 Triton 커널을 호출할 수 있도록 해주는 통합 라이브러리.

중앙 라우팅 및 거버넌스를 통해 여러 모델 제공업체, RAG, 에이전트 런타임을 관리하기 위한 통합 API 레이어를 제공하는 엔터프라이즈 등급 멀티모달 AI 미들웨어.

quadratic 메모리 병목 현상 없이 신경망의 Hessian eigendecomposition, trace, 및 spectral density를 효율적으로 계산하기 위한 PyTorch 라이브러리입니다.

저가형 임베디드 장치와 마이크로컨트롤러에 최적화된 AI 알고리즘을 배포하기 위한 툴체인으로, 컴퓨터 비전, 이상 탐지, 시나리오별 작업을 지원합니다.

Ollama 및 기타 로컬 LLM 제공자용 웹 기반 GUI로, 프라이버시 중심 인터페이스를 통해 자체 호스팅 모델과 대화할 수 있습니다.

인간이 작성한 솔루션의 코퍼스에서 학습하여 고품질 기계 학습 파이프라인을 합성하는 표 형식 데이터용 AutoML 기술

수동 그래프 구성 대신 자연스러운 Python 구문을 사용하여 ONNX 모델을 작성, 디버깅 및 최적화할 수 있는 Python 기반 프레임워크입니다.

비용, 시스템 건강 상태, 에이전트 활동을 실시간으로 모니터링할 수 있는 제로 의존성 로컬 대시보드입니다.

데이터에서 수학적 모델을 자동으로 발견할 수 있도록 해주는 데이터 기반 미분 방정식의 구조적 추정 및 식별을 위한 Julia 패키지입니다.

AI 에이전트와 애플리케이션을 위해 Model Context Protocol 서비스를 오케스트레이션하는 Rust로 구축된 고성능 MCP 관리 시스템.

72개 이상의 보안 도구를 자동 조율하는 자율형 AI 기반 펜테스트 프레임워크로, 리콘나issance, 에크스플로잇, 보고서 생성을 자동화합니다.

Lightning Fabric로 가속화된 확장 가능한 PyTorch 강화학습 프레임워크로, RL 알고리즘과 환경을 분리하여 더 큰 유연성을 제공합니다.

신호 및 이미지 처리를 위한 GPU 가속과 그래디언트 지원을 갖춘 PyTorch 네이티브 이산 및 연속 웨이블릿 변환 도구상자입니다.

모바일 장치에 TFLite 모델을 개발하고 배포하기 위한 툴킷으로, 메타데이터 관리, 자동 API 생성, 최적화된 작업 라이브러리를 제공합니다.

.prompt 파일을 실행하는 명령줄 도구로, 사용자가 LLM 프롬프트를 버전 관리 가능한 아티팩트로 취급하고 셸을 통해 AI 워크플로우를 자동화할 수 있도록 합니다.

일반 하드웨어에서 최대 100조 파라미터의 딥러닝 추천 모델을 확장할 수 있도록 설계된 PyTorch 기반 병렬 훈련 시스템.

QEP 및 AutoBit와 같은 고급 양자화 기법을 사용하여 모델 크기와 VRAM 사용량을 줄이는 Python 패키지입니다.

분산 실행과 최신 튜닝 기법을 지원하는 대규모이고 재현 가능한 하이퍼파라미터 최적화(HPO)를 위한 라이브러리입니다.

Java Enterprise 애플리케이션을 위해 재사용 가능한 기술, 에이전트 및 명령어를 제공하여 분석, 설계 및 구현을 표준화하는 AI 네이티브 SDLC 워크플로우입니다.

CRAB는 Docker, VM 및 물리적 머신과 같은 다양한 환경에서 멀티모달 Embodied AI 에이전트를 구축하고 평가하기 위한 Python 중심 프레임워크입니다.

NVIDIA가 GPU에서 JAX와 XLA를 최적화하기 위한 통합 허브로, 최적화된 컨테이너 이미지, 기술 문서, AI 워크로드의 성능 튜닝을 제공합니다.

100개 이상의 GPU에 걸쳐 확장 가능한 기계학습 기반 기상 및 기후 모델의 대규모 병렬 학습 및 추론을 지원하는 PyTorch 라이브러리입니다.

추적 서버 없이도 여러 클라우드 스토리지 공급자와 로컬 파일 시스템 간에 머신러닝 모델의 버전 관리, 저장 및 다운로드가 가능한 오픈소스 모델 레지스트리 라이브러리입니다.

사용자가 모듈형 컴포넌트를 시각적으로 연결하여 AI 워크플로우를 실험하고 공유할 수 있는 생성형 AI 애플리케이션 프로토타이핑 라이브러리입니다.

Ghidra의 리버스 엔지니어링 스위트를 LLM 에이전트와 통합하여 자동 디컴파일, 의미론적 코드 검색 및 바이너리 분석을 가능하게 하는 MCP 서버입니다.

RxInfer.jl은 인자 그래프 메시지 전달을 사용하여 빠르고 반응형 베이지안 추론을 수행하는 Julia 라이브러리입니다. 공액 관계를 자동으로 활용하여 정확한 업데이트를 제공하며, 비공액 모델도 지원하고 RxInferServer를 통해 REST API로 배포할 수 있습니다. `] add RxInfer`로 설치하고, `@model` 마크로로 모델을 정의한 후 `infer`를 호출하여 사후 분포를 얻을 수 있습니다.

계산 비용이 많이 드는 시뮬레이션을 모방하는 근사 모델을 생성하기 위한 Julia 라이브러리로, 효율적인 함수 최적화 및 분석을 가능하게 합니다.

60개 이상의 EVM 호환 블록체인과 상호작용할 수 있는 MCP 서버로, 토큰 전송, 스마트 계약 상호작용(자동 ABI 가져오기 기능 포함), ENS 해석을 제공합니다.

PyTorch 기반의 신경 시공간 예측 라이브러리로, 데이터 전처리, 모델 프로토타이핑, 그래프 신경망 구현을 위한 통합 프레임워크를 제공합니다.

유전 알고리즘을 사용하여 하이퍼파라미터 튜닝과 특징 선택을 수행하는 scikit-learn 호환 최적화 툴킷으로, 그리드 검색 및 랜덤 검색보다 더 효율적인 대안을 제공합니다.

단세포 유전자 발현 분석을 위한 딥러닝 툴킷으로, 실험 재현을 위한 벤치마크 플랫폼과 자동 전처리 추천 기능을 제공합니다.

목적 변수의 전체 조건부 분포를 단일 점 추정이 아닌 예측함으로써 확률적 모델링을 가능하게 하는 LightGBM의 확장

SciML 생태계용 감도 분석 유틸리티 패키지로, 모델 출력이 입력 파라미터에 따라 어떻게 변화하는지 파악하는 데 도움을 줍니다.