OSCAR 是一种 2 位 KV 缓存量化方法，通过离线谱协方差感知旋转，将内存使用量减少 8 倍，同时保持接近 BF16 的精度。

JADE 是一个利用语言变异生成高风险数据集，用于测试 LLM 和 AI 代理安全防护机制与对齐性的安全评估平台。

用于化学反应网络和动力系统高性能仿真与分析的符号建模包。

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。

FlagScale 是 FlagOS 生态系统的一体化工具包，为在多种 AI 硬件芯片上训练、强化学习和推理大模型提供统一接口。

一个与主要深度学习框架深度集成的 ML 和数据追踪、可视化与可解释性引擎，用于记录指标、输入和制品。

一个 LLM 运行时，通过管理 VRAM 和 CPU RAM 之间的专家驻留，使得在消费级 NVIDIA GPU 上运行庞大的混合专家模型成为可能。

DeepMind 的 DQN 基础强化学习代理的参考实现集合，旨在实现 Atari 游戏研究的可复现性。

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。

一种基于自注意力机制的多变量时间序列插补框架，解决了 RNN 基础模型的速度和内存问题

一个为 Elixir 提供传统机器学习算法的库，基于 Nx 提供分类、回归、聚类、预处理工具。

一个面向研究的 PyTorch 模块，用于实现和测试回声状态网络与水库计算，旨在集成到深度架构中。

通过合成数据生成和自动验证的自我改进循环来扩展具备推理能力模型的框架。

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。

专为科学机器学习、不确定性量化和人工智能设计的受约束非线性优化框架，提供对求解器工作流的细粒度控制。

一个使用标准化环境和精选数据集来评估和比较开源 AutoML 系统的框架，以确保研究的可复现性。

一个利用优化的原生库实现 CPU 和 GPU 加速的高性能张量和神经网络计算 Clojure 库。

一个集成库，允许 JAX 用户在 JAX 程序中调用自定义 Triton 内核，以实现高性能 GPU 操作。

一种企业级多模态 AI 中间件，提供统一的 API 层，用于管理多个模型提供商、RAG 和代理运行时，并具备集中式路由和治理功能。

一个用于高效计算神经网络 Hessian 特征分解、迹和谱密度的 PyTorch 库，且不会遇到平方级内存瓶颈。

一个用于在低成本嵌入式设备和微控制器上部署优化AI算法的工具链，支持计算机视觉、异常检测和特定场景任务。

一个用于 Ollama 及其他本地 LLM 提供方的网页 GUI，允许用户通过注重隐私的界面与自托管模型进行聊天。

一种通过从人类编写的解决方案语料库中学习，合成高质量机器学习流水线的表格数据 AutoML 技术

一个基于 Python 的框架，允许开发者使用自然的 Python 语法而不是手动图构建来编写、调试和优化 ONNX 模型。

一个零依赖的本地仪表板，用于实时监控 OpenClaw AI 代理的成本、系统健康状况和代理活动。

一个用于数据驱动的微分方程结构估计与识别的 Julia 包，允许用户从数据中自动发现数学模型。

一个用Rust构建的高性能MCP管理系统，用于编排AI代理和应用程序的模型上下文协议服务。

一个自主的、AI 驱动的渗透测试框架，可协调 72+ 个安全工具，实现侦察、利用和报告的自动化。

由 Lightning Fabric 加速的可扩展 PyTorch 强化学习框架，将 RL 算法与环境解耦，实现更高灵活性。

一个为信号和图像处理设计的 PyTorch 原生小波变换工具箱，支持 GPU 加速和梯度计算。

一个用于在移动设备上开发和部署 TFLite 模型的工具包，提供元数据管理、自动 API 生成和优化的任务库。

一个用于执行.prompt 文件的命令行工具，允许用户将 LLM 提示词视为可版本化的制品，并通过 Shell 实现 AI 工作流自动化。

一个基于 PyTorch 的并行训练系统，旨在利用普通硬件将深度学习推荐模型扩展至 100 万亿参数。

一个使用 QEP 和 AutoBit 等先进量化技术来减少模型大小和 VRAM 使用的 Python 包。

一个支持分布式执行和先进调优方法的大规模、可复现超参数优化（HPO）库。

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。

CRAB 是一个以 Python 为核心的框架，用于在 Docker、虚拟机和物理机等多种环境中构建和评估多模态具身智能体 (Embodied AI agents)。

NVIDIA 为在 GPU 上优化 JAX 和 XLA 提供的集中式资源中心，包含优化的容器镜像、技术文档和 AI 工作负载的性能调优。

一个支持跨 100+ GPU 扩展的 PyTorch 库，用于机器学习气象与气候模型的大规模并行训练和推理。

一个开源模型注册表库，允许用户在无需跟踪服务器的情况下，跨多个云存储提供商和本地文件系统对机器学习模型进行版本化、保存和下载。

一个用于生成式 AI 应用原型的库，允许用户通过视觉化方式连接模块化组件，从而进行 AI 工作流的实验与分享。

一个将 Ghidra 逆向工程套件与 LLM 代理集成的 MCP 服务器，支持自动化反编译、语义代码搜索和二进制分析。

RxInfer.jl 是一个 Julia 库，使用因子图消息传递实现快速、反应式贝叶斯推断。它能自动利用共轭关系实现精确更新，支持非共轭模型，并可通过 RxInferServer 部署为 REST API。使用 `] add RxInfer` 安装，用 `@model` 宏定义模型，调用 `infer` 获取后验分布。

一个用于创建模拟昂贵计算过程的近似模型 Julia 库，实现高效的函数优化与分析。

一个MCP服务器，支持AI代理与60多个EVM兼容区块链交互，提供代币转账、智能合约交互（自动ABI获取）、ENS解析等功能。

一个基于 PyTorch 的神经时空预测库，提供统一的框架用于数据预处理、模型原型设计和图神经网络实现。

一个使用遗传算法进行超参数调优和特征选择的 scikit-learn 兼容优化工具包，提供了比网格搜索和随机搜索更高效的替代方案。