AgentCore 的全栈启动模板，提供安全的 React 前端和 AWS 基础设施，加速 AI 代理应用的部署。

用于在 PC 和笔记本电脑上本地运行生成式 AI 模型的高性能库，为 Intel 硬件提供针对文本、图像和语音模型的优化流水线。

一个经过筛选的 Model Context Protocol (MCP) 服务器注册表，允许开发者发现并部署安全的容器化工具，以实现 AI 助手与外部数据源和工具的连接。

一个用于在 Databricks 中使用 Spark 生成可扩展合成数据的 Python 库，专为测试、基准测试和演示而设计。

一个支持 AI 驱动的集群分析和故障排除的 Kubernetes Operator，具备针对特定工作负载失败的自动修复功能。

一个 Swift 库，用于在应用中集成多种 AI API，支持可选的安全代理后端以保护 API 密钥并管理速率限制。

一个为 LLM 提供读写访问权限的 MCP 服务器，使其能够管理 Airtable 数据库中的记录、模式和评论。

一种可扩展的异步强化学习框架，用于 LLM 代理，通过飞行中权重更新最大化 GPU 利用率，同时保持在线策略数据的新鲜度。

一个为 Google 的 Gemma 模型设计的轻量级、独立的 C++ 推理引擎，采用极简且 CPU 优化的实现，专为研究和实验而设计。

面向NVIDIA DGX Spark的高性能服务栈，支持DeepSeek-V4-Flash，具备连续批处理、推测解码和大上下文窗口内存管理功能。

一种用于 LLM 的缓存管理框架，通过持久化 KV 缓存并实现稀疏注意力检索与存储-计算分离，显著降低推理延迟和 GPU 内存使用量。

一个使用组件、Flexbox 布局和响应式状态构建交互式终端用户界面（TUI）的 Vue 原生框架。

一个用于 RAG 流水线的框架，通过对五种内在质量指标进行评估，自动为每个文档选择最佳的分块策略。

Google 生成式 AI、Gemini API 和 Vertex AI 服务的 LangChain 集成的中央集合。

Aider 的 Emacs 集成，为 Emacs 编辑器带来 AI 伙伴编程和自动代码编辑功能。

基于 PaddlePaddle 的面向生产的 LLM 与 VLM 部署工具包，提供高性能推理和广泛的硬件兼容性。

一个用于 PyTorch 的 Python 库，提供高效加载、预处理和增强 3D 医疗图像的工具。

一个为 JAX 设计的神经网络库，在保留 JAX 纯函数转换的同时，实现了面向对象的模型定义。

一个纯 Julia 的机器学习框架，提供轻量级抽象，让用户能够使用原生 GPU 与自动微分支持来构建和训练模型。

Cube Studio 是一个为数据科学与 AI 提供的一体化开发环境，专注于在整个开发生命周期中提供一致的环境。

基于Rust核心并提供16种语言绑定的高性能、无损HTML转Markdown转换器，专为处理现实世界中不规范的HTML而设计。

LlamaDeploy 是一个用于部署和提供 AI 工作流的工具，但目前已弃用，并改由 llama-agents 取代。

Acme 是一个用于强化学习研究的框架，为开发和测试 RL 算法提供可扩展的构建模块和基准代理程序。

一个针对 NVIDIA Hopper 和 Blackwell GPU 优化的、高性能的混合专家模型 (MoE) 实现，旨在降低内存使用量并提高训练吞吐量。

Qwen 3.8 的最小 PyTorch 重实现，提供可读性强的代码库和 int4 量化支持，便于模型部署。

stable-pretraining 是一个基于 PyTorch Lightning 的基础模型研究框架，通过字典驱动设计、实时评估回调、GPU侧增强和 SLURM 级编排，简化了 SimCLR、DINO、MAE、CLIP 等自监督、监督和多模态预训练流程，附带实验性 JAX 后端。

一个 C++ 库，提供 SIMD 内建函数的统一包装器，以加速不同 CPU 架构上的数值计算。

用于 Intel® Core™ Ultra CPU 上节能 AI 推理加速的 Intel® NPU Linux 内核驱动程序。

一种硬件插件，使vLLM能够在Kunlun XPU上运行，提供优化内核并支持广泛的LLM和多模态模型。

专为移动和边缘设备优化的轻量级多模态LLM推理引擎，支持多种NPU和GPU，并具备高级量化功能。

一个结合树提升、高斯过程与混合效应模型的软件库，用于处理非线性关系及空间或分组效应等数据依赖性。

一个用于 AI 应用程序的运行时安全平台，可检测提示注入、管理令牌预算，并阻止机器人和敏感数据泄露。

一个用于构建大规模人口模型（LPM）的 GPU 优化平台，可模拟数百万个相互作用的代理，以建模复杂的社 会动态。

Web Neural Network API 的 W3C 规范，为 Web 应用程序访问机器学习模型的硬件加速提供标准化方式。

一个实用的 Python 库，实现了 CMA-ES 及其变体，用于连续、整数和分类变量的黑箱优化。

一个完全从零开始构建的纯 Python 机器学习库，用于教育目的，提供核心 ML 算法的透明实现和自动微分引擎。

一个通过 MCP 为 AI 编程助手提供深层代码库上下文、记忆和导航工具的语义代码搜索与符号智能系统。

使用 C#/.NET 原生编写的高性能 LLM 推理引擎，为 Transformer 模型提供原生的 CPU/GPU 支持，无需依赖 Python 或 llama.cpp。

一种 MLOps/LLMOps 调度器和编排工具，通过零配置实现本地和云端资源上的 ML 实验自动执行。

一个自动化机器学习框架，允许用户通过现成的预设或构建自定义管道来创建表格、文本、图像和时间序列数据的 ML 模型。

一个开源智能运维（AIOps）代理平台，将可观测性、事件跟踪和任务执行整合到受控的 AI 驱动 IT 运维工作流中。

一个基于 Go 的工具，用于解析 GGUF 模型元数据，并在无需下载完整文件的情况下估算内存使用量和性能。

一个在共享 GPU 上高效部署多个 AI 模型的高性能系统，通过超快检查点加载和 GPU 多路复用，实现高效的无服务器推理。

一个使用纯 Mojo 编写的高性能 Llama 2 推理实现，利用 SIMD 和向量化技术来优化 CPU 性能。

基于静态分析的确定性、本地优先的内存与治理系统，为 AI 编码代理提供代码库方向感和安全变更保障。

一个测量并降低代码循环复杂度的 Claude 技能，使 AI 生成的逻辑更易于维护和人类可读。

一个社区驱动的 Cursor AI 编辑器插件目录，可自动检测组件并使用 AI 代理对提交的插件进行安全扫描

AMD 为高性能机器学习原语提供的库，为 ROCm 支持的平台上的深度学习提供优化内核。