一个针对大头部维度注意力机制（large head-dimension attention）的内核库，通过优化 SRAM 和寄存器使用量，在头部维度高达 1024 时，比 PyTorch SDPA 提供 1.5x-15x 的加速。

一个用于灵活多模态数据准备的 Python 库，可优化机器学习训练中语音、音频、视频和图像数据的加载与操作。

一个可执行、Git 原生的表格式数据工作目录，可将临时的代理生成脚本转化为可复现、内容地址化的管道。

一个生产级别的网页爬取引擎，为 AI 代理和大型语言模型（LLM）提供干净的 Markdown 输出以及反机器人绕过功能。

包含单变量和多变量版本的大规模时间序列基础模型家族，实现高效且准确的预测。

一个基于 Apache Spark 构建的库，用于定义大规模数据集的单元测试，以确保数据在用于应用程序或机器学习模型之前具备高质量。

一个轻量级的 Python 绑定，为 LLVM 的 IR 构建器、优化器和 JIT 编译器 API 提供稳定接口，简化 JIT 编译器的创建。

一个纯 Python、React 风格的框架，用于构建可在 Jupyter Notebook 和独立应用中运行的可扩展 Web 应用和仪表板。

一种用于 AI 资产（如技能、提示词和代理）的分发与版本控制系统，允许团队通过共享文件夹或 Git 保险库在不同 AI 工具之间共享这些资产。

一种为 AI 编码代理设计的代码库审计技能，可在安全、稳定性、AI 安全等 25 个维度上提供结构化、证据驱动的报告。

一种通过从 PDF 中提取参考文献并验证其在多个学术数据库中的真实性的工具，用于检测学术论文中的虚假引用。

一个实时安全层，可阻止破坏性命令、扫描插件中的恶意代码，并通过每日安全巡检防止数据外泄和凭证窃取。

一个使用哈希技巧来保持内存占用有界的高速、可扩展机器学习系统，专注于在线学习和强化学习。

一个纯 Python 库，用于模拟各种扑克变体、评估手牌并进行统计分析，专为 AI 开发和工具创建而设计。

一个利用预训练Transformer语言模型生成高质量合成表格数据的框架，支持基于训练和基于模式的生成。

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。

一种用于在不同元素、温度和压力下模拟块体材料的深度学习原子模型，可预测能量、力和应力。

TorchNPU 是一个 PyTorch 适配器插件，使 PyTorch 框架能够在华为 Ascend AI 处理器上运行，提供优化的计算和分布式训练能力。

Tilus 是一种区块级 GPU 内核编程语言，支持对共享内存和寄存器的显式控制，实现高性能低精度计算。

一种基于物理信息的机器学习工具，用于快速翼型气动分析，相比 XFoil 在设计优化中显著更快且更稳健。

为 VapourSynth ML 滤镜提供的 AI 推理运行时集合，可在 Intel、NVIDIA、AMD 和 Apple 硬件上实现优化的 AI 视频处理。

一个无需使用 API 代理即可通过 Telegram、Matrix 和 Slack 控制官方 AI 代码 CLI（Claude Code、Gemini、Grok 等）的桥接工具。

一个为 Langfuse 平台提供的 Python SDK，为 LLM 应用提供可观测性、追踪、提示词管理和评估工具。

一个以对象存储为主要后端，通过分层 RAM/NVMe 缓存实现低延迟检索的多租户向量和全文搜索引擎。

一个用于检测 LLM 幻觉的 Python 库，它使用各种不确定性量化技术为模型输出分配置信度分数。

用于科学机器学习 (SciML) 的统一 Python 框架，简化了 PINNs、神经算子 (Neural Operators) 和数据驱动模型的创建。

一组 Model Context Protocol (MCP) 服务器和工具，使 AI 代理能够安全地与 IBM 产品和企业资源进行交互。

一个交互式的 PyTorch 模型可视化工具，允许用户在 notebook 中直接追踪并可视化前向传播。

codedb 是一个基于 Zig 的代码智能引擎，构建仓库（符号、调用者、依赖项、三元组搜索等）的本地索引，并通过 Model Context Protocol (MCP)（JSON-RPC over stdio）向 AI 编码助手提供信息。它提供 `codedb_context`、`codedb_explain` 和 `codedb_callpath` 等 MCP 工具，实现毫秒级以下的快速查询，同时作为代理的只读“指南针”。可作为原生二进制或 npm 包装器安装，支持 macOS、Linux 和 Windows，支持混合本地/远程语义检索，并可作为 HTTP 服务器用于调试。

专为机器生成代码设计的形式化验证编程语言和安全运行时，具有无歧义语法和经过验证的字节码虚拟机。

一款使用 YARA、LLM 和 Cisco AI Defense 检测恶意行为和漏洞的 Model Context Protocol (MCP) 服务器和工具安全扫描工具。

一个用于使用差分隐私训练机器学习模型的 PyTorch 库，允许用户在跟踪跟踪隐私损失的同时保护敏感的训练数据。

一个与引擎无关的 Java 深度学习框架，让 Java 开发者能够使用原生的 Java 体验来构建、训练和部署模型。

一个开源的代理式分析平台，将大语言模型与企业数据和工具连接起来，为构建、评估和部署数据代理提供受控环境。

一种具弹性的、基于 HTTP 的数据流协议，专为 AI 代理和协作应用设计，确保跨设备的有序、可重放和可恢复的数据传递。

一个零依赖工具，将代码库结构和文档预编译成紧凑的上下文图和维基，以大幅降低 AI 编码助手的 token 消耗。

一套开发工具，用于简化基于大型语言模型（LLM）的 AI 应用的端到端周期，从原型设计与提示工程到评估与生产部署。

一个基于 Electron 的 DeepSeek Harness 桌面封装，提供原生窗口、内置插件市场和交互式桌面宠物。

Xcode 27 beta 的系统提示词与文档集合，详述了 Apple 针对其 AI 辅助编码工具的内部指令与策略。

一个用于在内存和磁盘上处理带注释数据矩阵的 Python 包，提供对稀疏数据和延迟操作的高效支持。

一个用于读取和处理训练与评估 JAX 模型数据的 Python 库，提供快速且确定性的数据流水线。

一个使用 scikit-learn 实现双/去偏机器学习框架的 Python 包，用于减少使用机器学习模型估计干扰函数时的偏差，从而估计结构参数。

一个为跨多种代理工具链训练多轮 LLM 代理提供回放即服务的强化学习回放框架。

一种基于 LLM 的漏洞发现工具，通过两阶段检测与攻击流程，识别并验证源代码中的安全缺陷。

一个为 Claude Code 和 OpenCode 设计的完全本地会话记忆工具，可自动记录活动并创建紧凑摘要，以消除冷启动问题。

一个用于球面上可微分信号处理的 PyTorch 库，支持球面调和变换和物理驱动型 AI 的神经算子。

用于研究神经系统动态性、规模和结构的可扩展脉冲神经网络模型模拟器。

一个用于训练、评估、解释和部署随机森林和梯度提升树等决策森林模型的快速且可扩展的库。