一个通过统一接口使用 LLM-as-a-judge、RAG 特定指标和启发式方法评估 AI 模型输出的库。

TenSEAL 是一个基于 Microsoft SEAL 的 Python 库，支持对张量进行同态加密。它允许在加密数据上执行算术运算，从而在不暴露原始信息的情况下实现隐私保护型机器学习。

一个无需管理基础设施即可在云中部署和扩展机器学习模型及流水线的无服务器 Python 运行时和客户端库。

Cellm 是一个 Excel 插件，通过添加 `=PROMPT()` 公式，让用户可以直接在单元格范围内调用托管或本地的 LLM，以自动化数据清洗、提取、翻译、摘要等重复性任务。

一个企业级 AI 资源管理平台，通过集中式身份和预算追踪，帮助组织控制 AI 成本、管理模型访问权限，并量化 AI 生产力。

使用原子级神经网络预测分子和材料量子化学性质的深度学习工具箱。

Nengo 是一个用于构建和模拟大规模神经模型的 Python 库，支持脉冲和非脉冲模拟。

一个基于 PyTorch 的深度学习库，用于图与超图神经网络，支持高阶消息传递和 Auto-ML 调优。

一个用于简化 ColBERT 后期交互模型的微调、推理和检索的库，提供高速索引和灵活的训练选项。

一个开源的推理服务器，提供标准化的 REST 和 gRPC 接口，用于跨多种框架部署机器学习模型。

一套使用 JAX 编写的、多样化且具备硬件加速能力的强化学习环境套件，适用于高速 RL 研究与实验。

一个开源引擎，用于微调和部署大型语言模型，提供工具以在托管或自管理的 Kubernetes 基础设施上部署模型。

一个 MCP 服务器，为 AI 编码代理提供对 Phoenix 应用程序的运行时访问权限，允许它们在开发期间执行代码、查询数据库并读取实时日志。

结合 AST 基础调用图分析与混合语义搜索的代码智能 CLI 工具，帮助开发者和 AI 代理导航大型代码库。

一个将机器学习集成到 LLVM 中的框架，用于用训练好的模型替代人工编写的编译器优化启发式规则。

一个为包含文本、图像和数值等混合列类型的异构表格数据设计的模块化深度学习扩展，基于 PyTorch 构建。

一个用于协作追踪、评估、监控和调试 AI 代理的开源代理工程平台。

一个允许 LLM 使用自然语言命令管理 Docker 容器、镜像和卷的 MCP 服务器。

一个用于轻松与 OpenAI API 及其他 OpenAI 兼容提供方交互的 Swift 包，支持文本、图像、音频和实时语音对话。

一种神经纹理压缩 SDK，可将多个 PBR 纹理通道压缩为单一神经集，以减少 3D 渲染中的 VRAM 和带宽使用。

一个 MCP 服务器，使 AI 代理能够无限制地访问本地 shell 和文件系统，实现软件的自主编码、构建和运行。

一个用于 Vercel AI SDK 的 OpenRouter 提供者，通过统一接口访问超过 300 种 LLM 和嵌入模型。

一个将 scikit-learn 模型转换为 ONNX 格式的库，可借助 ONNX Runtime 实现高性能推理。

一个私密的、浏览器原生的 AI 工作区和代理工作空间，使用 WebGPU 在您的设备上本地运行 LLM，无需 API 密钥或后端服务器。

一个位于 AI 代理与 LLM API 之间的代理，可在后台压缩对话历史，防止达到上下文限制时出现延迟。

一个连接 AI 助手与 Google Docs、Sheets、Drive、Gmail 和 Calendar 的 MCP 服务器，使 LLM 能够读取和管理 Workspace 数据。

一款轻量级、OpenAI 兼容的 AI SDK，专为最小的包大小以及在浏览器、边缘计算和智能体工具中的高移植性而设计。

一个 AI 驱动的 Fish shell 插件，可将自然语言注释转换为 shell 命令，提供自动补全，并为损坏的命令建议修复方案。

一个用于安全地持久化与分享 scikit-learn 模型，且不使用 pickle 的 Python 库，包含创建模型卡片的工具。

一个针对可观测性指标优化的多变量时间序列预测基础模型，提供零样本和概率预测。

一款本地编排工具，通过整合多个 AI 订阅，实现并行、多供应商代码审查，以捕捉单个 AI 模型可能遗漏的错误和偏见。

一个为大规模训练实现每步容错的 PyTorch 库，即使个别工作节点或节点发生故障，任务也能继续运行。

一个用于简化和精简 ONNX 模型的工具，可减少操作符数量并提升推理速度，同时保持准确性。

利用 CUDA 伪内存 API 实现动态分配，同时保持未经修改注意力内核的虚拟连续性的 LLM KV 缓存内存管理器

一款支持多种主流数据库的 AI 驱动 SQL 客户端和数据库管理工具，支持表设计、查询和同步。

一个用于 Milvus 的 Java 客户端库，使 Java 开发者能够将其向量数据库功能集成到 AI 应用中。

IBM 模拟硬件加速套件 (AIHWKit) 是一个 Python/PyTorch 库，用于模拟模拟内存内 AI 芯片（PCM、RRAM 等）。它提供模拟感知层、优化器、高性能 CUDA/C++ 模拟器，以及将标准模型转换为模拟等效模型的工具。可通过 pip 或 conda 安装，在 CPU/GPU（包括 AMD ROCm）上运行，适用于研究、算法原型设计或教育中的模拟 AI 硬件实验。

一个基于 PyTorch 的训练框架，用于 Stockfish 的 NNUE 评估网络，支持 GPU 加速训练和自动化性能评估。

一个无状态的 API 包装器，可将复杂的生成式 AI 工作流（如 Stable Diffusion 或 Flux）作为可扩展、生产就绪的微服务进行部署。

一个开放的 ABI 和 FFI，使机器学习系统的内核库和 DSL 能够在多个框架和语言间实现零拷贝互操作

一个全面的 Ruby API 库，提供对 OpenAI REST API、实时 WebSocket 以及 Azure 和 Bedrock 提供商的支持。

基于 TorchRL 构建的机器学习框架，支持强化学习、大语言模型和规则策略，适用于算法交易的回测与实时部署。

一个 C++20 仅含头文件的抽象库，为跨各种 GPU（NVIDIA、AMD、Intel）和 CPU 的并行内核提供性能可移植性。

一个为生产环境准备的 AI 原生 Python 客户端，用于 Redis，提供向量搜索、混合搜索，以及用于 LLM 记忆和语义缓存的生产就绪扩展。

面向 Java Enterprise 应用程序的 AI 原生 SDLC 工作流，通过提供可重用的技能、代理和命令来标准化分析、设计和实现。

一个基于 PyTorch 的库，用于通过标准化的数据预处理和多种模型实现来训练和基准测试深度学习知识追踪模型。

一个 MCP 服务器，通过语义搜索和性能优化的双包架构，使任何 AI 助手都能发现并使用 Claude Agent Skills。

Cohere Python SDK 是一个客户端库，可让开发者在 AWS、Azure、GCP 和 Oracle OCI 等多个平台上访问 Cohere 的 AI 模型。