支援顯式、隱式與零階微分的高效 PyTorch 庫，適用於雙層最佳化與元學習。

一個安裝程式集合，捆綁了254個深度學習和機器學習函式庫，用於ArcGIS Pro和Server中解決地理空間AI問題。

一個 Helm 圖表，可在 Kubernetes 上部署 Ollama LLM 伺服器，支援 CPU 或 GPU、模型預拉取、自訂模型建構、Ingress/Gateway-API、自動伸縮以及可選的 Knative Service。

OSCAR 是一種 2 位 KV 快取量化方法，透過離線譜共變異感知旋轉，將記憶體使用量減少 8 倍，同時保持接近 BF16 的精度。

一個 GitHub Action，可在自動化工作流程中透過 GitHub Copilot CLI 執行 AI 推論。

一種基於自注意力機制的多變量時間序列插補框架，解決了 RNN 基礎模型的速度與記憶體問題

一個以研究為導向的 PyTorch 模組，用於實現與測試回聲狀態網絡與水庫計算，設計用於整合至深度架構中。

一個利用優化原生程式庫實現 CPU 與 GPU 加速的高性能張量與神經網路計算 Clojure 套件。

一組 GPU 加速的機器學習求解器，可作為 scikit-learn 的即插即用替代品，提供 Python 與 R API，實現更快的模型訓練。

一個 C/C++ 函式庫，透過自定義算子擴展 ONNX Runtime，以便在 ONNX 圖中處理視覺、文本和 NLP 模型的預處理與後處理。

一個用於在低成本嵌入式裝置與微控制器上部署優化AI演算法的工具鏈，支援電腦視覺、異常偵測與情境特定任務。

專為開發、測試和小規模 AI 應用設計的輕量級、純 Python 本地版 Milvus 向量資料庫。

一個將 Claude Desktop 連接到 SQL 資料庫的 MCP 伺服器，支援自然語言探索、結構分析與查詢執行。

AtomicMemory 是一個開源、可檢查的 LLM 代理記憶體服務。它提供支援修正的更新、與模型無關的嵌入，以及受管雲端和自架 Docker 部署。該專案包含 Rust Core 伺服器、TypeScript SDK、CLI（`am`）、LangChain、LangGraph、Vercel AI 等配接器，以及各種代理主機的外掛程式。快速入門是一行安裝程式，可建立雲端設定檔；`--local` 旗標可在您的機器上執行 Core 容器。記憶體可透過 CLI 或 SDK 以程式方式擷取和查詢，代理可透過 MCP 伺服器連結。採用 Apache 2.0 授權。

基於 PyTorch 的量子計算 SDK，可在模擬器或真實硬體上模擬、最佳化與執行量子電路，具備可微分執行與專用自旋量子位元支援。

一個分散式基礎設施框架，使個人能以大型組織的運營能力管理 PB 級資料倉儲、大規模擷取與任務編排。

一個 Kubernetes 設備插件，可將 AMD GPU 註冊並排程為容器叢集中的計算資源。

一種為 AI 編程助手設計的持久記憶系統，使用結構化 Markdown 基礎的記憶堆疊，在會話間維持專案上下文、規則與進度。

一個用於微分方程求解器的 GPU 加速函式庫，能夠跨多個參數和初始條件進行平行求解。

一個用於表格資料深度學習的 Python 庫，提供與 scikit-learn 兼容的 API 和 15+ 種神經網路架構的動物園。

一個命令列工具，使用 LLM 將影片與音訊任務的自然語言描述轉換為可執行的 ffmpeg 命令。

RunPod 官方 Python 函式庫，提供用於建立 Serverless AI Worker 的 SDK 以及用於管理 GPU 雲 Pod 和端點的 REST API 包裝器。

Willow 是一個可自託管的推理伺服器，用於快速執行包括語音轉文字、文字轉語音及 LLM 處理在內的語言任務。

一個允許開發者提交、比對與合併代理設定與追蹤的版本控制系統與 Claude Agent SDK 插件，以防止效能退化

一個高效能的 n 維張量函式庫，適用於 Nim，提供在 CPU、CUDA 與 OpenCL 後端上進行科學計算、機器學習與深度學習的工具。

一個 MCP 伺服器，透過 llms.txt 檔案為 AI agent 提供透明且可稽核的文檔獲取方式。

Spool 是一個用於共享與恢復 AI 編程代理會話的工具，可將其轉換為持久的網頁，允許他人閱讀並在本地繼續工作。

一個基於微服務的生成式 AI 範例與部署指南集合，旨在簡化在不同硬體平台上的 GenAI 應用程式的擴展與測試。

一個為 AI 代理設計的 Python 執行引擎，記錄工作流程的每一步，使使用者能從失敗的步驟重新播放與恢復，而無需重新啟動整個流程。

基於 PaddlePaddle 的科學計算套件，利用深度學習與自動微分解決物理學、化學與氣象學中的問題。

一個使用 Flink 和 SeaTunnel 管理並執行不同數據源之間數據遷移的異構數據同步服務。

一個跨平台推理引擎，可在從手機到網頁瀏覽器的各類裝置上本地執行高準確度、壓縮的 LLM。

一個用於 LLM 推論的高性能 C 語言庫，利用 KV cache 壓縮技術，讓消費級硬體也能實現長文本上下文理解，減少對分塊 RAG 的需求。

一個由 LLM 驅動的 CLI 工具，透過分析程式碼變更與開發者意圖，產生具上下文且格式良好的 Git 提交訊息。

一個開源的 AWS CDK 擴充套件，提供良好架構的基礎設施模式，讓您能快速在 AWS 上部署生成式 AI 解決方案。

一個透過建立增強資料集與使用 PEFT 微調模型，提升檢索增強生成（RAG）中大型語言模型（LLM）效能的函式庫。

Surogate 是一個原生 C++/CUDA 工具包，用於快速訓練 LLM（完整模型、LoRA/QLoRA、RL、MoE、多模態）以及透過 OpenAI 兼容 HTTP API 提供高吞吐量服務。支援 BF16、FP8、NVFP4、GGUF 量化，多 GPU/CPU 離線，推測解碼，以及執行時 LoRA。基準測試顯示在 RTX 50 與 H100 硬體上，每秒 token 數比 vLLM/llama.cpp 高出 2–7 倍。

一種針對 Transformer 類架構的進階編譯器與執行時增強框架，可優化訓練與多模態推論的記憶體與運算效率。

一個用於 Python 的多類別混淆矩陣函式庫，為評估分類模型提供廣泛的統計指標與視覺化工具。

為程式碼代理提供訊息與記憶層，支援遠端機器控制、跨 AI 提供商共享上下文，以及監督式交付流程。

一個使用自然語言提示的 AI 驅動網路爬蟲，可發現相關頁面並從網站中提取結構化的 JSON 或 Markdown 資料。

一個 LLMOps 模板，使用 Prompt flow 簡化 LLM 應用程式的端到端生命週期，從本地實驗與評估到生產部署。

一個開源的觀測性函式庫，適用於 JavaScript/TypeScript LLM 應用程式，使用 OpenTelemetry 追蹤對 LLM 供應商與向量資料庫的呼叫。

一種多模態檢索引擎，使 AI 應用能夠在不丟失空間或視覺上下文的情況下，搜尋並理解 PDF 和圖表等視覺豐富的文檔。

一個追蹤系統和儀表板，透過分析 AI 編碼代理在 GitHub 上的拉取請求合併率來比較其成功率。

一個狀態機引擎，將 AI 程式編寫轉化為結構化的九階段工程管線，並在多個 AI 工具間提供統一指令。

一個用於多目標最佳化的 Python 框架，提供廣泛的進化演算法、基準問題與統計分析工具。

一個使用稀疏矩陣實現記憶體高效網路分析的圖機器學習Python程式庫。