MACE 是一个开源的 PyTorch 库，用于等变图神经网络原子间势能。它提供快速训练/评估、多 GPU 和 Apple-Silicon 支持、可选 CUDA 加速，以及材料和有机化学的预训练基础模型目录。通过 `pip install mace-torch` 安装，使用 `mace_run_train` CLI（或 YAML 配置）训练，使用 `mace_eval_configs` 评估。包含文档、Colab 教程和 Weights & Biases 集成。v0.3 线稳定，而重大 v1.0 重构正在进行中。

OpenTSLM 是一个开源库，为 Llama 3.2 和 Gemma LLM 添加原生时序处理功能，支持对医疗信号（ECG、EEG、加速度计等）进行自然语言提示和推理。它提供预训练检查点、简单的 `OpenTSLM` Python API、多个基准任务的推理演示脚本，以及覆盖 MCQ、描述生成和链式思维推理阶段的课程学习训练管道。通过 `pip install opentslm` 安装，从 Hugging-Face 加载模型，并使用提供的脚本进行微调或评估。采用 MIT 许可证。

Attention Gym 是一个基于 PyTorch 的库，为 FlexAttention API 提供可重复使用的掩码/分数修改函数、稀疏注意力模式以及线性注意力内核，并附带用于构建和基准测试自定义注意力机制的示例脚本和工具。

一组用于深度学习操作（如 RMSNorm 和 Softmax）的高性能 GPU kernel，使用 CuTe-DSL 为现代 NVIDIA GPU 实现。

一个高度可扩展的 AI 机器人框架，使 LLM 能够在安全沙箱中执行代码，并通过统一适配器架构在多个聊天平台之间进行交互。

一款一体化模型控制台 WebUI，优先支持 Google Gemini 的原生功能，同时兼容 OpenAI 标准 API，采用本地优先架构以保障隐私。

一种从非侵入性脑记录中解码自然句子的系统，可实现打字过程中脑活动到文本的重建。

一种基于行为测试的证据驱动框架，确保每个技能都能显著提升 AI 代理性能

一个以移动设备优先的网页界面，用于管理 OpenCode AI 代理，允许用户从任何设备上管理仓库、控制 AI 编码会话并配置代理技能。

NavDP 是一个使用扩散策略的端到端无地图导航模型，能够实现从仿真到现实的迁移，使机器人在不同机器人实体之间实现实时路径规划与障碍物避让。

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。

一种通过分离规划与执行，并利用自我修正、迭代验证循环来自动化复杂数据科学工作流的自适应多代理框架。

一个 MCP 服务器，允许 AI 助手通过 44 个整合工具对 Coolify 自托管 PaaS 基础设施进行部署、调试和运维。

一个连接AI代理与Todoist的库和MCP服务器，使LLM能够访问和修改任务及账户数据。

一个用于终端编程代理的实时可视化界面，在浏览器中渲染图表、UI 草图和差异，以替代纯文本通信。

一个为 Arm Cortex-M 处理器优化的神经网络内核库，最大化设备端 AI 的性能并最小化内存占用。

一个在20亿帧数据上预训练的GPT风格人形运动Transformer，可实现Unitree G1等类人机器人零样本全身运动追踪。

一个 AI 原生库和 MCP，可通过 Appium、Playwright 或 Selenium 实现通过自然语言在应用程序中执行操作和验证断言的端到端测试。

Apache Texera 是一个开源的可视化平台，允许用户通过拖拽式 GUI 构建和运行数据分析流水线，内置 AI 代理可将自然语言命令翻译为工作流步骤。支持 Python 和 Java 算子，具备实时协作、交互式调试能力，并可从笔记本电脑扩展至大型云集群。

一款 Android 聊天应用，通过 OpenRouter 与云托管 LLM 交互，同时通过 Ollama、LM Studio 等本地部署模型实现统一界面操作。

一套先进的多模态 LLM，为大语言模型提供通用听觉能力与整合音视频感知能力。

一个基于 ncnn 的便携式 Z-Image 生成器实现，可在任何支持 Vulkan 的 GPU 上实现高性能图像生成、图像修复和 ControlNet 支持。

一个用于治理、安全与信任的代理控制平面，为自主 AI 代理提供可确定性的行为定义、执行与审计层。

一套用于将自主代理连接到业务 API 和工具的生产就绪 AI 代理模板和参考架构集合。

MDia 是一个 Python 库，将 LLM 的中间推理形式化为可重用的“方言卡”（LSF），并提供一个确定性的八阶段流水线（collect → create → evolve → profile → select → run → validate-rules → report），用于在异构模型间生成、演化、分析、路由和审计这些协议。它支持黑盒 LLM API，提供多种路由计划，包含 100 条规则库，并通过在测试评估前冻结决策来保证可复现性。该仓库包含一个无需任何 API 密钥的玩具离线演示、详尽的文档、MIT 许可证，以及对 ICML 2026 海报和 arXiv 论文的引用。

一种 AI 驱动的学习系统，可将课程、书籍和讲义转换为互动导师，通过练习和基于来源的验证，引导用户实现真正的技能掌握。

通过执行严格的估值、取证会计和行业特定研究协议，将 AI 智能体转化为机构级分析师的 AI 驱动型股票研究框架。

一套工具和工作流程，供AI代理进行市场研究、管理钱包，并在20多个区块链上执行DeFi交易。

一个高保真度的 LLM 推理系统模拟器，用于在无需持续 GPU 访问的情况下研究性能、规划容量并测试调度优化。

一系列即用型公开数据集，以 `tf.data.Dataset` 形式提供，简化机器学习中的数据加载和准备流程。

一个无依赖的最小 C 库，支持反向传播和替代优化方法，用于训练和使用前馈人工神经网络。

一个本地服务器，通过 OpenAI 和 Ollama 兼容 API 暴露 ChatGPT 账户模型，使其可在第三方聊天和编码工具中使用。

一个超轻量级、开源的代理框架，用于构建具备持久记忆和工具集成的自我学习代理及确定性多步骤工作流。

一个综合性的 LLM 量化工具包，利用 GPTQ 和 AWQ 等方法压缩模型，并通过 NVIDIA、AMD、Intel 和华为 NPU 等硬件加速实现高效推理。

一款在您本地机器上本地运行的自托管 AI 代理，提供原生桌面应用，并与 Discord 和 Slack 等多个消息平台集成。

一个 MCP 代理服务器，将多个 Model Context Protocol 服务器聚合为一个单一的 HTTP 入口点，简化工具和资源管理。

为 ML 模型提供的可移植层和操作集，实现不同 ML 框架与 ML 编译器之间的互操作性。

Arbigent（Arbiter-Agent）是一个用于移动、网页和电视应用的开源AI代理测试框架。它允许QA工程师使用自然语言目标在可视化UI中创建测试场景，同时开发者可从YAML文件或CLI中以编程方式运行相同场景。功能包括任务分解、跨平台支持、模型选择灵活性、基于图像的断言、可重用场景库、Maestro/YAML集成，以及通过Model Context Protocol（MCP）实现的可扩展性。安装方式为macOS二进制文件或通过Homebrew安装的CLI（可选固定版本包装脚本）。该工具免费、社区驱动，适用于希望使用LLM驱动的高保真UI测试的团队，但需接受较慢速度和AI成本的权衡。

一个使用图形模型进行因果和概率推理的 Python 库，提供模型结构学习、参数估计和因果推断的工具。

ChatGPT CLI 是一款跨平台的命令行客户端，支持多家 LLM 提供商。它提供流式查询、基于线程的聊天记录、提示文件注入、多媒体 I/O，以及一个实验性的代理模式 (ReAct / Plan-Execute)，可在预算与策略限制下运行 shell/文件/网络搜索工具。它还支持模型上下文协议 (MCP) 以进行自定义工具调用。通过 Homebrew 或预构建二进制文件安装，在 `~/.chatgpt-cli/config.yaml` 中配置 API 密钥，并使用 `chatgpt "your question"` 或 `chatgpt --interactive` 开始聊天。

一个用于近似任意阶 Shapley 相互作用的 Python 包，以解释机器学习模型预测中的特征协同作用。

一个可嵌入、零依赖的 Go 向量数据库，无需独立数据库服务器即可实现 RAG 和语义搜索。

用 Rust 编写的持久 AI 同伴与代理运行时，整合了长期记忆、计算机使用和计划的后台工作。

一个在业务政策和对抗性攻击下对 AI 代理进行压力测试，以识别安全漏洞的 AI 代理评估与红队平台。

OpenCL API 的官方 C 语言头文件，为在异构计算平台（如 CPU、GPU 和加速器）上开发高性能应用程序提供标准化接口。

一个基于CUDA的实用工具，用于占用GPU内存和计算资源，模拟活跃使用情况，防止在共享集群中资源被回收。

一个用于在 Azure 上部署安全且具有弹性的 AI 应用和智能体 (agents) 的企业级规模的参考架构和 IaC 实现。

PUAX 是一个生产就绪的运行时，为 LLM 代理添加了一个思维模式层。它提供竞技场/门控/梦境原语、精简提示压缩、零依赖 Python SDK、混合触发检测、59 个内置（和自定义）角色、结果驱动验证、用于检测针对人类操纵的碳盾，以及可复现的多模型基准套件。该系统通过 MCP 服务器（`npx puax-mcp-server`）访问，该服务器将原生钩子注入流行的 IDE，并且可以通过一行 AMP 中间件直接嵌入 LangChain/AutoGen。MIT 许可并标记为生产就绪。