torchtune 是一个基于 PyTorch 的库，提供多种现代大语言模型（Llama、Gemma、Qwen、Phi 等）的微调、RL-HF、蒸馏、量化感知训练和推理的即用型配方与配置。它通过简单的 CLI（`tune`）和 YAML 文件抽象了分布式训练、内存优化技巧和设备支持，与 Hugging Face、torch-ao、FSDP2 和日志工具集成。尽管 2025 年开发已停止，但它仍是 LLM 实验的实用、开源工具包。

一个包装 PyTorch 的 scikit-learn 兼容神经网络库，使用户能够使用 scikit-learn 的管道和网格搜索功能来操作 PyTorch 模型。

pycorrector 是一个用于中文文本纠错的 Python 工具包。它提供基于 KenLM 的快速规则系统和一系列神经模型（MacBERT、T5、ERNIE、GPT 风格 LLM、BART 等），可即用或在自有数据上微调。通过 pip 安装，选择模型类，调用 `correct()` 或 `correct_batch()` 即可获得纠正后的句子和错误详情。仓库包含评估脚本、演示和命令行批量处理功能，适用于输入法、OCR/ASR 后处理、搜索查询清洗等场景。

一个使用图像字幕架构将手绘网页原型转换为 HTML 代码的深度学习模型。

一个将深度神经网络转换为优化的 CUDA/HIP C++ 代码的 Python 框架，用于在 NVIDIA 和 AMD GPU 上实现高性能推理服务。

一个用于 NeoVim 的 GitHub Copilot Vim 插件的纯 Lua 替代品，提供更好的性能与更深度的现代插件生态系统集成。

一个使用 OpenCV 和 TensorFlow 实现文档、身份证、名片等智能图像裁剪与透视校正的 Android 库。

基于 Kotlin Multiplatform 构建的 AI 原生多智能体开发平台，可在 IDE 和多个设备中集成编码、审查和研究智能体。

一个用于英文文本的纯 Go 自然语言处理库，提供分词、词性标注和命名实体识别。

Jittor 是一个高性能深度学习框架，通过 JIT 编译整个计算图，并使用元操作符生成针对特定模型优化的 CUDA/C++ 内核。它提供类似 PyTorch 的 Python API，支持 CPU 和 GPU 后端（CUDA、ROCm、Hygon），并包含视觉、渲染、几何学习和强化学习领域的模型库。

一个协调专业 AI 代理的多代理系统，仅需一个终端提示即可生成幻灯片演示文稿、研究报告和视频等专业交付物。

Meta 提供的生产就绪强化学习库，用于构建能够处理复杂现实环境、稀疏反馈和动态动作空间的模块化 AI 智能体。

一个 PyTorch 领域库，为在多个 GPU 上分片的大型嵌入表上训练和部署大规模推荐系统提供稀疏性和并行性原语。

一个高效的歌唱音色转换项目，相比传统 SVC 模型，显著降低了硬件需求并大幅缩短训练时间，实现高质量 AI 语音变换。

一种通过联合优化从多视角图像中提取三角形3D模型、材质和光照的可微分渲染框架。

Apache Mahout 是一个可扩展的机器学习环境，其特色是 Qumat，一个提供量子计算后端和GPU加速数据编码统一API的Python库。

一个用于可视化类激活图（CAM）的 PyTorch 库，用于解释和调试基于卷积和 Transformer 的视觉模型的预测。

一组 PyTorch 优化器，可消除对学习率调度和预定义停止时间的需求，实现更快、更灵活的模型训练。

一个用于在分散数据上进行机器学习和计算的开源框架，可在保持训练数据本地化于客户端的同时，实现全球模型训练。

使用贝叶斯网络识别因果关系并估计干预影响的因果推理和「如果……会怎样」分析工具包。

一个使用多种监督式和无监督监督式技术，将类别变量编码为数值类型的 scikit-learn 风格转换器库。

TensorFlow Extended (TFX) 是一个生产规模的 ML 平台，提供框架以构建和编排自动化的机器学习流水线。

一个基于浏览器的神经网络推理引擎，使用 WebGPU、WebGL 和 WebAssembly 在 Web 浏览器中直接运行 ONNX 模型。

一个通过标准化排行榜和提交接口，实现大规模机器学习与 AI 算法评估与比较的开源平台。

PyCUDA 是 Nvidia 的 CUDA API 的 Python 封装，支持 GPU 上的高性能并行计算，具备自动内存管理和 C++ 速度。

ClawManager 是一个开源、Kubernetes 原生的控制平面，允许操作员在 AI 代理工作区（OpenClaw、Hermes、OpenCode、DeepSeek Harness）上进行配置、治理和协作。它集成了 React UI、Go 后端、MySQL 状态以及一系列服务（AI 网关、北向 API、安全防护），提供一键式运行时创建、模型访问审计、可重用资源注入、基于团队的任务分解和分层安全监控。可在 k3s 或完整 Kubernetes 集群上部署，面向需要可扩展、策略驱动的 AI 代理基础设施的平台团队。

一种 GPU 加速的 FIt-SNE 算法实现，相比 CPU 基础方法，在可视化高维数据方面提供了巨大的速度提升。

一个开源的多智能体 AI 助手，允许用户构建自主 AI 团队和公司，在桌面、Web 和移动平台上执行复杂任务。

一个包含 MLPerf Training 基准测试套件参考（未优化）实现的仓库，涵盖视觉、语言、推荐和图模型。每个基准测试均包含模型代码、Dockerfile、数据集脚本和测量达到目标质量所需时间的训练运行脚本。适用于基准测试提交、硬件评估和学习，但不适用于真实世界性能。

一个用于通过加权框融合（WBF）和NMS等方法，对多个目标检测模型的边界框预测进行集成的Python库。

一个提供一系列与 scikit-learn 兼容的可解释机器学习模型的 Python 软件包，例如规则集和稀疏线性模型，旨在取代黑盒模型。

一个自主数据标注代理框架，允许 AI 代理基于 ground truth 数据集自主学习数据处理技能。

torchdistill 是一个基于 PyTorch 的库，仅需编写 YAML 配置即可运行知识蒸馏实验（教师-学生训练）。它提供多种现代 KD 损失、用于提取中间特征的前向钩子管理器，以及视觉和 NLP 任务的示例脚本。通过 `pip install torchdistill` 安装，并在研究中使用时引用相关论文。

结合蒙特卡洛树搜索（MCTS）与深度强化学习（DRL）的轻量级 PyTorch 工具包，旨在标准化并加速基于 MCTS 的决策算法研究。

一个在 K8s 和 Ray 上提供自动故障容错、自动扩缩容和快速检查点恢复的自动分布式深度学习系统，简化大规模 AI 模型训练。

一个用于预测生物分子相互作用三维结构的 PyTorch 实现，包含用于 PDB 数据集整理的全面工具。

基于 Kaldi 构建的强大强制对齐器，可将语音音频与文本转录进行对齐，提供精确的词级时间戳。

CodeGPT 是一个基于 Go 的 CLI，使用 LLM API（OpenAI、Azure、Gemini、Anthropic、Ollama、Groq、OpenRouter）自动为 Conventional-Commit 生成提交消息和简短的代码审查摘要。支持安装 Git `prepare-commit-msg` 钩子、自定义提示、语言翻译、流式输出和灵活配置（API 密钥、提供方、代理、差异上下文等）。可通过 Homebrew、Chocolatey、脚本、二进制文件或 `go install` 安装。

LucidDreamer 是一个从单张图像和文本提示中实现领域无关的 3D 高斯点阵场景生成的系统。

一个结合词典服务与 LLM 的中英命令行翻译工具，内置免费 LLM 代理和 AI 代理集成功能。

一组基于深度学习的合成数据生成器，能够从真实单表数据中学习，并生成高保真的合成版本。

基于 PyTorch Lightning 的自监督学习方法库，用于无监督视觉表示学习，提供训练和比较 SOTA 视觉模型的统一环境。

这是一个基于 TensorFlow 的项目，通过学习人类的游戏录像来训练 AI 智能体驾驶《马力欧卡丁车 64》。

在确保数据隐私和安全的前提下，提供上下文感知补全和聊天功能的 AI 代码助手。

一个为 NVIDIA GPU 和 CPU 提供极致性能的 C++20 数值计算库，支持类似 NumPy 的张量表达式，并通过 JIT 内核融合实现最高性能。

由 Kakao 开发的基于 CNN 的韩语形态分析器，利用机器学习将文本拆分为词素，用于自然语言处理的预处理。

基于 JAX 构建的硬件加速、可微分子动力学库，用于模拟材料和小尺度相互作用。

一个为 PyTorch 设计的源到源编译器，通过 Python 风格的中间表示和可扩展的变换插件，优化模型在训练和推理中的性能。