为 llama.cpp 提供的 Go 绑定，支持使用 GGUF 格式在 Go 应用中实现高性能本地 LLM 推理。

hf-mem 是一个轻量级的 Python CLI（及库），用于估算运行任何使用 Safetensors 或 GGUF 权重的 Hugging Face 模型所需的 RAM。它仅通过 HTTP range 请求获取元数据，支持 Transformers、Diffusers、Sentence-Transformers，并可选择性地估算 KV-cache 内存和 MoE 分解。可以作为独立工具、Hugging Face CLI 扩展或 Agent 技能进行安装。

一种用于压缩 3D Gaussian splats 的 C++ 库和文件格式，与.ply 文件相比，在视觉差异极小的情况下可将文件大小减少高达 10 倍。

一个 Keras 的 R 接口，使 R 用户能够使用高级神经网络 API 快速原型设计和训练深度学习模型。

Treelite 是一个用于决策树森林的通用模型交换与序列化格式，让 C++ 应用程序能够在磁盘与网络中存储与交换模型。

一个专注于无监督聚类分析和异常检测研究的开源 Java 数据挖掘框架，具备高性能索引结构，适用于可扩展的基准测试。

专为实时系统和音频处理优化的轻量级 C++ 神经网络推理引擎。

一个用于可解释人工智能（XAI）的 Python 工具包，提供属性归因、特征可视化和概念提取工具，帮助用户理解复杂的神经网络模型。

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。

一种自动对二进制文件中提取的字符串进行排序的机器学习工具，帮助恶意软件分析师快速识别最相关的信息。

一个基于 Go 的协议转换和模型路由代理，将 Anthropic、Gemini、OpenAI 等多种 AI 提供商 API 统一在单一 OpenAI Responses API 接口之下。

Cline VS Code 扩展的框架，通过递归文件追踪系统和本地 LLM 辅助分析，管理大规模项目上下文与依赖关系。

一个用于定义和求解马尔可夫决策过程（MDPs）和部分可观测马尔可夫决策过程（POMDPs）的核心 Julia 接口，用于处理不确定性下的决策问题。

Table-Augmented Generation (TAG) 的基准，一种用于回答数据库上自然语言问题的范式，需要世界知识或语义推理。

NucliaDB 是一个结合向量、全文和图索引的混合 AI 搜索数据库，用于存储和搜索非结构化数据。

XGBoost 的一个扩展，通过预测目标变量的完整条件分布而非单一点估计，实现概率建模。

一个使用 Nano Banana Pro 从代码库和系统文档中自动生成功能架构图、流程图和序列图的 MCP 服务器。

一个包含300个经人工验证任务、并采用严格Pass^3指标以确保模型性能一致性的自主代理可信评估框架。

一种使用高层人类概念而非单个输入特征来解释神经网络预测的模型可解释性方法。

一个面向强化学习研究的全面 Julia 包，提供可扩展的组件，用于实现、基准测试和复现 RL 算法。

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。

一个用于在训练过程中维护指数移动平均（EMA）模型版本的 PyTorch 库，以提升模型稳定性和性能，支持后处理合成和目标表示路由。

MOA 是一个用于实时数据流挖掘和大规模机器学习的开源 Java 框架，提供一系列算法和评估工具。

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。

一个为 Triton Inference Server 提供的后端，可无需 C++ 代码即可部署基于 Python 的机器学习模型。

VPTQ 是一种使用矢量量化在无需重新训练的情况下将 LLM 压缩至 2 bit 以下的训练后量化方法，使巨型模型能够在消费级硬件上运行。

一个 Laravel 扩展包，通过单一代码库自动将 Eloquent 模型转换为 JSON:API 端点和用于 AI Agent 的 MCP 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。

一个通过 Docker 管理和部署 AI 模型的工具，通过 llama.cpp 和 vLLM 等后端简化 LLM 的拉取和提供流程。

支持显式、隐式和零阶微分的高效 PyTorch 库，适用于双层优化和元学习。

一个面向 AI/ML 研究的社区驱动型自动化框架，可在不同的硬件、软件和数据集之间实现可复现且可移植的工作流。

一个 C++ 和 DPC++ 库，为 CPU、GPU 和分布式系统上的表格数据提供硬件加速的机器学习例程。

一个用于 ETL 和 RAG 的 AI 驱动文档处理引擎，可将非结构化文档转换为向量数据库使用的高质量数据分块。

为 AI 代理设计的高性能语义记忆系统，引入 Git 类似版本控制、分层语义路径和加密完整性以实现记忆管理。

专为行星规模工作负载设计的派生数据存储平台，通常用作机器学习特征存储的状态后端，以实现低延迟的在线推理。

用于分子和晶体的快速、高精度原子模拟的预训练神经网络势能库，替代昂贵的DFT计算。

一个用于材料科学的数据挖掘库，提供检索数据集和为分析进行材料数据特征化的工具。

一个将设计系统编译为可安装 Agent Plugin 的工具，使 AI 编码代理能够遵循特定的设计令牌和组合规则，编写符合品牌风格的 UI。

通过在反向传播过程中重用信息，高效计算标准梯度之外的量（如单样本梯度和梯度方差）的 PyTorch 扩展。

基于 OWASP 标准提供自动化漏洞扫描的开源对抗模拟框架，专为红队测试 AI 代理和 MCP 服务器而设计。

一组专为非拓扑学家设计的拓扑数据分析（TDA）Python 库，旨在让拓扑数据工具更易于使用。

ONE 是一个高性能的设备内神经网络推理框架，可使 TensorFlow 和 PyTorch 的 AI 模型在各种硬件加速器上高效运行。

用于测试 NLP 和 LLM 模型鲁棒性、偏差、公平性和安全性的综合性评估库。

一个将 PyTorch 功能引入 R 生态系统的 R 包，支持机器学习中的张量操作和自动微分。

一个基于 PyTorch 的 Python 库，专为水文学中的深度学习研究而设计，允许用户通过配置文件训练神经网络。

一个使 AI 代理能够生成交互式 React 基础 HTML 艺术品而非简单 Markdown 的框架，支持复杂布局、仪表板和状态化界面。

一个提供编程模型的库，用于编写可在不同 GPU 和 CPU 架构之间移植的高性能机器学习内核。

一款提供GUI和MCP服务器的Java线程转储与堆分析工具，帮助开发者诊断死锁、性能瓶颈和虚拟线程问题。