一個為 Hono 開發者與 AI 代理設計的命令列介面，整合文件搜尋、伺服器管理與套件最佳化功能。

一個使用 Fabric.js 建構的 Streamlit 元件，提供互動式繪圖畫布，讓使用者能繪製形狀與註解，並將資料回傳給 Streamlit。

涵蓋基礎數學基礎、經典機器學習演算法以及 YOLO 與 RAG 等現代框架的 C++ 與 Python 深度學習與機器學習實作的全面集合。

用於在 NVIDIA 可信運算與機密運算環境中實作與驗證證明的一系列工具與 SDK。

一個整合標頭、繫結與載入器的綜合性軟體開發工具組，用於開發跨平台 OpenCL 應用程式。

一種基於再整合的編碼代理，透過使用新上下文和檔案系統記憶體，迭代地將程式碼庫與指定目標對齊，防止上下文腐化。

一個追蹤 CPU、記憶體與 GPU 資源的 Kubernetes 使用量會計工具，揭示隱藏的系統開銷，實現每個命名空間的精確成本分配。

一個低程式碼的 AI 應用程式開發平台，讓使用者能透過視覺化介面建構、協調與部署複雜的 AI 工作流程與代理程式。

一個 Python 庫，透過標準化 API 和一組基準環境，用於開發和比較多目標多代理強化學習算法。

一個橋接層，讓 AI 代理能即時控制和編輯 Unreal Engine 5.3+，具備基於 AST 的驗證以防止幻覺，並深度整合藍圖、VFX 和綁定工作流程。

一個模組化的基於 TensorFlow 的深度強化學習框架，用於研究與實務，提供靈活的元件以建構與部署 RL 代理。

一個支援 PyTorch、TensorFlow 與 JAX 等多種後端的 Python 庫，提供張量分解與張量學習的工具。

一個用於建構 MCP 伺服器的框架，可自動將 Python 檔案轉換為伺服器功能，減少样板程式碼，並提供內建驗證與遙測功能。

一個用於持續學習 AI 的優化工具包，提供專用演算法與可視化工具，以防止災難性遺忘並提升模型穩定性。

一個模組化的 Python 庫，提供 DDPG 與雙 Q 學習等演算法的實作。

一種變壓器模型架構（T6），利用張量積注意力來提升效能並減少 KV 快取大小，以實現更高效的大型語言模型推論。

一套用於高風險決策框架的工程工具集合，包含金融領域的 LLM 評估、資料來源追蹤以及風險投資組合原型設計。

一個面向 AI 的程式碼處理框架，利用通用抽象語法樹（UniAST）為 LLM 提供精確、結構化的編碼上下文，以實現更精準的 AI 輔助程式設計。

一個完全使用 Java 構建的全棧 AI 框架，提供從底層張量計算到 LLM、AI Agent 和具身智能的完整流水線。

一個 MCP 伺服器，讓 LLM 可以透過自然語言指令來控制 iOS 模擬器，進行應用程式管理與 UI 測試。

一種輕量級 LLM 排程框架，透過在多個 LLM 系統間重用頻繁存取的外部知識 KV 快取，減少預填入開銷。

一個將 AI 助手整合至 Godot 編輯器的插件，透過本地或遠端 LLM 協助開發者進行程式碼撰寫、場景編輯與專案管理。

一個可恢復的索引器，將 Polymarket 市場元數據與鏈上交易數據聚合到可查詢的 DuckDB 資料庫中。

一個用於將預訓練模型快速微調以專用於語義搜尋、推薦與異常偵測的高效框架。

一個用於昂貴黑箱函數平行最佳化的Python模組，旨在為超參數調校等任務尋找全域最小值。

UQpy 是一個用於建模與量化物理及數學系統中不確定性的通用 Python 工具箱。

支援非歐幾里得幾何優化的自動微分功能的黎曼流形優化 Python 工具箱。

一個用於建立簡單、可鏈式預處理流程的函式庫，專為 pandas DataFrames 設計，以簡化資料清洗與特徵工程。

一個用於 OpenCL 的輕量級 C++ 包裝器，減少了樣板程式碼以及裝置選擇、記憶體管理和核心執行的複雜性。

一套整合各種原子間勢能與緊緻束縛量子力學的分子動力學模擬軟體工具，包含基於機器學習的 GAP 势能。

一個 AutoML 框架，使用宣告式 JSON-AI 語法自動生成並自訂機器學習管線，減少資料準備與資料科學工作流程的樣板程式碼。

一個基於 NCCL 建構的通訊框架，允許使用者在多個加速器上執行自訂且高度優化的集合通訊演算法，以提升分散式 AI 性能。

一個基於 Go 的工具包，可自動修復 LLM 產生的格式錯誤的 JSON 輸出，確保其變為有效且可解析的格式。

一個基於 PyTorch 的不確定性量化函式庫，提供用於貝氏學習的可擴充工具，包括變分推論和拉普拉斯近似。

一個為 grok2api 設計的增強套件與側車程式，監控代理節點品質並攔截低品質回應，防止AI智慧退化。

一款 CLI 工具，讓 AI 代理能在遠端 Mac 上建置並發佈 Flutter iOS 應用程式，免除對本地 Mac 硬體或 iOS 生態系統專業知識的需求。

一個 CLI 工具，可在連續循環中運行 AI 編碼代理，自動為大型軟體專案建立、測試並合併拉取請求。

一個部署在 Cloudflare Workers 上的 Cloudflare Worker，將 Google 的 Gemini 模型轉換為 OpenAI 相容端點，讓 Gemini 可以與任何 OpenAI SDK 或客戶端一起使用。

一個使用 LMDB 實現低記憶體、記憶體映射向量索引與檢索的 Rust 庫。

一個利用 LoRA 和 INT4/INT8 量化等高效技術，實現開源 LLM 私有微調、評估與執行的框架。

GigaTrain 是一個可擴展的訓練框架，透過自動化分散式訓練、記錄日誌與建立檢查點，簡化大型 AI 模型的開發。

一個 Python 框架，允許組織在不共享原始資料的情況下，協作訓練與驗證機器學習模型，適用於敏感資料場景。

適用於 Apple Silicon 的儲存層級感知 LLM 推論排程器，透過從 NVMe 儲存流式傳輸張量，實現執行超出物理記憶體的大型模型。

一個與框架和後端無關的基準測試平台，用於比較 ML 推理執行時期指標，並偵測各種硬體與軟體環境中的效能衰退。

一個 R 套件，提供基於密度的聚類演算法（如 DBSCAN 和 HDBSCAN）的快速 C++ 實作，用於空間資料分析和異常值偵測。

一個多智能體系統，自動化端對端的多模態機器學習工作流，無需人工干預即可將原始數據轉化為 ML 解決方案。

一個為醫療問答、實體識別和知識圖譜建構等任務提供支援的開源中文醫療資料集的精選集合，旨在推動醫療AI的發展。

一個為迴歸、分類與排序提供可擴展且高效能的分散式梯度提升框架的 Julia 接口。