一个 PyTorch 的编译器解决方案，使用户能够为 CUDA 和 ROCm 等硬件加速器创建、基准测试和优化自定义算子。

Tetrad 是一个用于因果发现与分析的软件套件，提供 GUI 应用程序以及 Python 和 R 的集成，用于识别数据中的因果关系。

一个 Swift 命令行工具，将 Xcode 和 SPM 构建输出解析为针对 AI 编码代理和 LLM 优化的令牌高效结构化格式。

一个用于复杂网络中社区检测的元库，提供标准化的实现、评估和可视化社区发现算法的方法。

一个实现微分隐私的模块化统计算法库，可实现数据洞察的隐私保护型计算。

一种用于记录和播放来自 AR/VR 头显等设备的同步时间戳多模态传感器数据流的高性能文件格式和库。

一个提供全面的ggplot2基础绘图函数库的R包，用于诊断和可视化贝叶斯模型及MCMC后验抽样。

一个全面的 Cookiecutter 模板，用于通过标准化的 Python 包结构、集成的 CI/CD 和现代工具链，快速启动 MLOps 项目。

Umpire 是一个资源管理库，用于在具有多个内存设备（如 NUMA 和 GPU）的机器之间发现和管理内存。

一个为 GPU 提供标准集体通信例程的库，可实现跨多个 GPU 和节点的高带宽数据同步。

一个使用 Stan 作为后端估计的 R 包，通过预编译 Stan 模型模拟频率学派模型拟合函数。

Dynolog 是一个为异构 CPU-GPU 系统设计的轻量级性能监控守护进程，旨在帮助调试大规模 AI 训练中的瓶颈。它提供 CPU、GPU 和内核指标的持续监控，并支持跨多个 GPU 的按需远程 PyTorch 工作负载分析。

一款为AI辅助调试和开发优化的高精度 Sega Master System、Game Gear 和 SG-1000 模拟器，内置 MCP 服务器。

一个为 Emacs Lisp 提供统一接口的库，使开发者能够构建跨不同模型运行的 AI 驱动包。

一个与 scikit-learn 兼容的化学信息学库，可高效计算分子指纹、过滤器和相似度度量，适用于机器学习管道。

一个用于自动化构建和索引包含自定义算子的 PyTorch 包的工具集，通过符合 PEP 503 标准的索引提供预构建的 wheel。

一种用于拦截和修改 OpenCL 调用的工具，可在无需修改应用程序或驱动程序的情况下实现调试和性能分析。

一个用于表格、地理空间和 AI 辅助数据分析的 TypeScript 库，将 DuckDB 的性能带入可链式 JavaScript API。

Meilisearch 开源搜索引擎的 .NET API 客户端，使 C# 开发者能够轻松管理索引并执行容错搜索。

Quepid 是一个将搜索相关性调优转变为可重复工程流程的工具，帮助团队协作并测试搜索结果，以提升应用搜索质量。

一种使用安全多方计算（MPC）在私有数据上执行张量操作并保持数据安全的计算设备。

GUDHI 是一个专注于单纯复形和持久同调的 C++ 和 Python 库，用于拓扑数据分析（TDA）和高维几何理解。

一种线性降维工具，可将复杂的群体活动分解为与特定任务参数（如刺激或奖励）相关的成分。

一个为机器学习和优化工作流设计的基准测试套件，旨在确保用多种编程语言编写的求解器之间具有可复现性和可比性。

用于扩展 Azure AI Search 索引管道的自定义 Web API 增强技能的示例实现和模板集合。

一个轻量级 Python 库，用于将 CoNLL-U 格式 NLP 数据解析为嵌套字典或依存树。

一个专注于标注体验的渲染和组件库，旨在帮助开发者快速构建数据标注应用。

通过分析工作负载指标，为 CPU、内存和 GPU 资源提供合理化建议的智能 Kubernetes 资源优化工具。

一个基于 Python 的实时异常检测与性能监控系统，无需手动设置阈值即可自动识别高分辨率时间序列数据中的异常。

一款增强 dbt 开发体验的 VS Code 扩展，支持自动补全、可视化血缘和自动文档生成。

一个使用 NARMAX 模型进行系统识别和时间序列预测的 Python 库，提供模型结构选择和参数估计工具。

一个开源的 AI 代理协调器，允许开发者在隔离的 git worktree 中并行运行多个 AI 编码代理。

Gradio 的 .NET 移植版本，允许开发人员仅使用 C# 代码为机器学习模型和 API 构建 Web 界面，从而无需使用 JavaScript 或 CSS。

一个提供机器学习扩展的 Python 库，用于数据科学任务，包括集成方法、特征选择和可视化工具。

适用于 Java 和 Kotlin 的快速、本地设备 NoSQL 和向量数据库，可为 AI 应用提供高效的对象存储和本地向量搜索能力。

HeavyDB 是一个 GPU 加速、基于 SQL 的列式数据库引擎，能够在数十亿行的数据集上实现毫秒级查询，且无需建立索引或预先聚合。

一个 PyTorch 工具，提供模型架构的详细、格式化摘要，包括层形状、参数数量和操作数量。

一组 Jupyter 扩展，通过提供交互式电子表格以生成 Python 代码并集成 AI 辅助，加速 Python 数据分析。

一个用于训练和绘制分类与回归模型的综合性 R 包，为机器学习任务提供统一接口。

用于连续和混合整数空间中困难的非凸、病态和噪声问题的无梯度数值优化的 Python 实现。

用于准实验设计中研究级因果推断的 Python 库，支持贝叶斯与 OLS 估计，并提供完整的不确定性量化。

一个使用符号矩阵在 GPU 上执行大规模核操作的库，可避免内存溢出并实现线性内存占用。

一个安全金库和代理网关，通过检测敏感数据泄露、阻止提示注入并拦截危险系统命令来保护 AI 代理。

一个组合式框架，支持从 19 个原子梯度操作中自动组合出超过 85 种求解器变体，用于基于梯度的双层优化。

一个为 Claude Code 和 Codex CLI 量身定制的代理代理，提供自动端点轮换、API 格式转换和令牌池管理。

一个提供构建高效、可扩展分布式机器学习系统所需基本构件的骨干 C++ 库。

专为确定性 LLM 缓存和快速本地 AI 推理实验优化的轻量级、高性能内存 KV 存储。

一组用于在 Amazon EKS 上部署和扩展数据平台（包括 Spark、Flink 和 Kafka）的优化蓝图集合。