一個用於離線強化學習的 Python 函式庫，提供了一種標準化的方式來載入、建立和管理經驗資料集。

一個將 COCO 和 LabelMe 等 JSON 格式的資料集標註轉換為用於目標檢測訓練的 YOLO 格式的工具包。

一個全面的基準測試框架，用於應用於免費可用的 EEG 資料集的腦機介面（BCI）演算法，以確保研究的可重現性。

為 Claude Code 提供基於 Web 的視覺化介面與日誌記錄器，為這款終端機 AI 編碼工具增添了 GUI、程式碼差異比對與行動裝置存取功能。

一個透過統一介面使用 LLM-as-a-judge、RAG 特定指標與啟發式方法評估 AI 模型輸出的套件。

TenSEAL 是一個基於 Microsoft SEAL 的 Python 庫，支援對張量進行同態加密。它讓您能在加密資料上執行算術運算，進而於不暴露原始資訊的情況下實現隱私保護型機器學習。

一個無需管理基礎設施即可在雲端部署和擴展機器學習模型與流程的無伺服器 Python 執行環境與客戶端程式庫。

Cellm 是一個 Excel 插件，透過新增 `=PROMPT()` 公式，讓使用者可直接在單元格範圍內呼叫託管或本地的 LLM，以自動化資料清洗、提取、翻譯、摘要等重複性任務。

一個企業級 AI 資源管理平台，透過集中式身分與預算追蹤，協助組織控制 AI 成本、管理模型存取權限，並量化 AI 生產力。

使用原子級神經網路預測分子與材料量子化學性質的深度學習工具箱。

Nengo 是一個用於建構與模擬大規模神經模型的 Python 函式庫，支援脈衝與非脈衝模擬。

一個基於 PyTorch 的深度學習庫，用於圖與超圖神經網絡，支援高階訊息傳遞與 Auto-ML 調優。

一個用於簡化 ColBERT 後期互動模型的微調、推論與檢索的程式庫，提供高速索引與靈活的訓練選項。

一個開源的推論伺服器，提供標準化的 REST 與 gRPC 介面，用於跨多種框架部署機器學習模型。

一套使用 JAX 編寫的、多樣化且具備硬體加速能力的強化學習環境套件，適用於高速 RL 研究與實驗。

一個開源引擎，用於微調與部署大型語言模型，提供工具以在託管或自管理的 Kubernetes 基礎設施上部署模型。

一個 MCP 伺服器，為 AI 編碼代理提供對 Phoenix 應用程式的執行時存取權限，允許它們在開發期間執行程式碼、查詢資料庫並讀取即時日誌。

結合 AST 基礎呼叫圖分析與混合語意搜尋的程式碼智慧 CLI 工具，協助開發者與 AI 代理導航大型程式碼庫。

一個將機器學習整合至 LLVM 的框架，用以取代人工撰寫的編譯器優化啟發式規則，改用訓練好的模型。

一個為包含文字、影像、數值等混合欄位類型的異質表格資料設計的模組化深度學習擴充，基於 PyTorch 建構。

一個用於協作追蹤、評估、監控和除錯 AI 代理的開源代理工程平台。

一個讓 LLM 能使用自然語言指令來管理 Docker 容器、映像和磁碟卷的 MCP 伺服器。

一個用於輕鬆與 OpenAI API 及其他 OpenAI 相容提供方互動的 Swift 套件，支援文字、影像、音訊與即時語音對話。

一種神經紋理壓縮 SDK，可將多個 PBR 紋理通道壓縮為單一神經集，以減少 3D 渲染中的 VRAM 和頻寬使用。

一個 MCP 伺服器，讓 AI 代理能無限制存取本地 shell 與檔案系統，實現軟體的自主編碼、建構與執行。

一個用於 Vercel AI SDK 的 OpenRouter 提供者，透過統一介面存取超過 300 種 LLM 和嵌入模型。

一個將 scikit-learn 模型轉換為 ONNX 格式的套件，可透過 ONNX Runtime 實現高效率推論。

一個私密的、瀏覽器原生的 AI 工作區與代理工作空間，使用 WebGPU 在您的裝置上本地執行 LLM，無需 API 金鑰或後端伺服器。

一個位於 AI 代理與 LLM API 之間的代理，可在背景中壓縮對話歷史，防止達到上下文限制時出現延遲。

一個讓 AI 助手連接 Google Docs、Sheets、Drive、Gmail 和 Calendar 的 MCP 伺服器，使 LLM 能讀取和管理 Workspace 資料。

一款輕量級、OpenAI 相容的 AI SDK，專為最小的套件大小以及在瀏覽器、邊緣運算和代理工具中的高移植性而設計。

一個 AI 驅動的 Fish shell 外掛程式，可將自然語言註解轉換為 shell 命令，提供自動補全，並為損壞的命令建議修復方案。

一個用於安全地持久化與分享 scikit-learn 模型，且不使用 pickle 的 Python 函式庫，包含建立模型卡片的工具。

一個針對可觀測性指標優化之多變量時間序列預測基礎模型，提供零樣本與機率預測。

一款本地編排工具，透過整合多個 AI 訂閱，提供並行、多供應商程式碼審查，以捕捉單一 AI 模型可能遺漏的錯誤與偏見。

一個為大規模訓練實現每步容錯的 PyTorch 套件，即使個別工作節點或節點發生故障，作業也能持續執行。

一個用於簡化與精簡 ONNX 模型的工具，可減少運算子數量並提升推論速度，同時維持準確性。

利用 CUDA 虛擬記憶體 API 實現動態配置，同時維持未經修改注意力內核的虛擬連續性的 LLM KV 快取記憶體管理器

一款支援多種主流資料庫的 AI 驅動 SQL 客戶端與資料庫管理工具，支援表格設計、查詢與同步。

一個用於 Milvus 的 Java 客戶端程式庫，讓 Java 開發者能夠將向量資料庫功能整合到其人工智慧應用中。

IBM 模擬硬體加速套件 (AIHWKit) 是一個 Python/PyTorch 庫，用於模擬模擬記憶體內 AI 芯片（PCM、RRAM 等）。它提供模擬感知層、最佳化器、高性能 CUDA/C++ 模擬器，以及將標準模型轉換為模擬等效模型的工具。可透過 pip 或 conda 安裝，在 CPU/GPU（含 AMD ROCm）上執行，適用於研究、演算法原型設計或教育中的模擬 AI 硬體實驗。

一個基於 PyTorch 的訓練框架，用於 Stockfish 的 NNUE 評估網路，支援 GPU 加速訓練與自動化性能評估。

一個無狀態的 API 包裝器，可將複雜的生成式 AI 工作流程（如 Stable Diffusion 或 Flux）作為可擴展、生產就緒的微服務進行部署。

一個開放的 ABI 與 FFI，讓機器學習系統的內核函式庫與 DSL 能在多個框架與語言間實現零複製互操作

一個全面的 OpenAI Ruby API 函式庫，提供對 REST API、Realtime WebSockets 的具備型別的存取，並支援 Azure 與 Bedrock 提供者。

基於 TorchRL 建構的機器學習框架，支援強化學習、大語言模型與規則策略，適用於算法交易的回測與即時部署。

一個 C++20 純標頭抽象庫，可為各種 GPU（NVIDIA、AMD、Intel）和 CPU 提供平行核心的效能可移植性。

一個為生產環境設計的 AI 原生 Python 客戶端，用於 Redis，提供向量搜尋、混合搜尋，以及用於 LLM 記憶與語意快取的生產就緒擴充。