一個統一的測試智能平台，可從任何 CI/CD 流水線聚合測試結果，檢測不穩定的測試並追蹤性能趨勢。

一個開放框架，透過為 AI 代理提供內部上下文與驗證支援結構，使其能夠解決複雜的上游合併衝突。

一個 PyTorch 的編譯器解決方案，讓使用者能夠為 CUDA 和 ROCm 等硬體加速器建立、基準測試和最佳化自訂運算子。

Tetrad 是一個用於因果發現與分析的軟體套件，提供 GUI 應用程式以及 Python 和 R 的整合，用於識別數據中的因果關係。

一個 Swift 命令列工具，將 Xcode 和 SPM 建置輸出解析為針對 AI 編碼代理和 LLM 優化的 token 高效結構化格式。

一個用於複雜網路中社群探測的元程式庫，提供標準化的方式來實現、評估與視覺化社群發現演算法。

一個實現微分隱私的模組化統計演算法庫，可實現資料洞察的隱私保護型計算。

一種用於記錄與播放來自 AR/VR 頭戴裝置等設備的同步時間戳多模態傳感器資料流的高效能檔案格式與函式庫。

一個提供全面的ggplot2基礎繪圖函數庫的R套件，用於診斷與視覺化貝葉斯模型及MCMC後驗抽樣。

一個全面的 Cookiecutter 範本，透過標準化的 Python 套件結構、整合的 CI/CD 與現代化工具鏈，快速啟動 MLOps 專案。

Umpire 是一個資源管理程式庫，用於在具有多個記憶體裝置（如 NUMA 和 GPU）的機器之間發現和管理記憶體。

一個為 GPU 提供標準集體通訊例程的函式庫，可實現跨多個 GPU 與節點的高頻寬資料同步。

一個使用 Stan 作為後端估計的 R 套件，透過預編譯 Stan 模型模擬頻率主義模型擬合函數。

Dynolog 是一個為異構 CPU-GPU 系統設計的輕量級性能監控守護程序，旨在協助調試大規模 AI 訓練中的瓶頸。它提供 CPU、GPU 和核心指標的持續監控，並支援跨多個 GPU 的按需遠端 PyTorch 工作負載剖析。

一款為AI輔助除錯與開發優化之高精度 Sega Master System、Game Gear 與 SG-1000 模擬器，內建MCP伺服器。

一個為 Emacs Lisp 提供統一介面的套件，讓開發者能建構跨不同模型運作的 AI 驅動套件。

一個與 scikit-learn 兼容的化學資訊學套件，可高效計算分子指紋、過濾器與相似度度量，適用於機器學習管道。

一個用於自動化建構與索引包含自定義運算子的 PyTorch 套件的工具集，透過符合 PEP 503 標準的索引提供預建構的 wheel。

一種用於截取和修改 OpenCL 呼叫的工具，可在不需修改應用程式或驅動程式的情況下實現除錯與效能分析。

一個用於表格、地理空間和 AI 輔助資料分析的 TypeScript 函式庫，將 DuckDB 的效能帶入可鏈式 JavaScript API。

Meilisearch 開源搜尋引擎的 .NET API 客戶端，讓 C# 開發者能輕鬆管理索引並執行容錯搜尋。

Quepid 是一個將搜尋相關性調校轉化為可重複工程流程的工具，幫助團隊協作並測試搜尋結果，以提升應用程式搜尋品質。

一種使用安全多方計算（MPC）在私有資料上執行張量運算並保持資料安全的計算裝置。

GUDHI 是一個專注於單純複形與持久同調的 C++ 與 Python 庫，用於拓撲資料分析（TDA）與高維幾何理解。

一種線性降維工具，可將複雜的群體活動分解為與特定任務參數（如刺激或獎勵）相關的成分。

一個為機器學習與優化工作流程設計的基準測試套件，旨在確保以多種程式語言撰寫的求解器之間具有可重現性和可比性。

用於擴展 Azure AI Search 索引流程的自訂 Web API 增強技能之範例實作與範本集合。

一個輕量級 Python 庫，用於將 CoNLL-U 格式 NLP 資料解析為嵌套字典或依存樹。

一個專注於標註體驗的渲染與元件庫，旨在協助開發者快速建構資料標註應用。

透過分析工作負載指標，為 CPU、記憶體和 GPU 資源提供合理化建議的智能 Kubernetes 資源優化工具。

一個基於 Python 的即時異常偵測與效能監控系統，無需手動設定閾值即可自動識別高解析度時間序列資料中的異常。

一款增強 dbt 開發體驗的 VS Code 擴充套件，支援自動補全、視覺化血緣與自動文件生成。

一個使用 NARMAX 模型進行系統識別與時間序列預測的 Python 套件，提供模型結構選擇與參數估計工具。

一個開源的 AI 代理協調器，允許開發者在隔離的 git worktree 中並行運行多個 AI 編碼代理。

Gradio 的 .NET 移植版本，允許開發人員僅使用 C# 程式碼為機器學習模型和 API 建置 Web 介面，從而無需使用 JavaScript 或 CSS。

一個提供機器學習擴展的 Python 庫，用於資料科學任務，包括集成方法、特徵選擇與可視化工具。

適用於 Java 與 Kotlin 的快速、本機裝置 NoSQL 與向量資料庫，可為 AI 應用提供高效的物件儲存與本機向量搜尋能力。

HeavyDB 是一個 GPU 加速、基於 SQL 的列式資料庫引擎，能夠在數十億列的資料集上實現毫秒級查詢，且無需建立索引或預先聚合。

一個 PyTorch 工具，提供模型架構的詳細、格式化摘要，包括層形狀、參數數量與運算數量。

一組 Jupyter 擴充功能，透過提供互動式電子試算表以產生 Python 程式碼並整合 AI 輔助，加速 Python 數據分析。

一個用於訓練與繪製分類與迴歸模型的綜合性 R 套件，為機器學習任務提供統一介面。

用於連續與混合整數空間中困難的非凸、病態與雜訊問題的無梯度數值最佳化之 Python 實作。

用於準實驗設計中研究級因果推斷的 Python 庫，支援貝氏與 OLS 估計，並提供完整的不確定性量化。

一個使用符號矩陣在 GPU 上執行大規模核運算的函式庫，可避免記憶體溢出並實現線性記憶體用量。

一個安全金庫與代理閘道，透過檢測敏感資料外洩、阻止提示注入並攔截危險系統命令來保護 AI 代理。

一個組合式框架，可從 19 個原子梯度運算中自動組合出超過 85 種求解器變體，用於基於梯度的雙層最佳化。

一個為 Claude Code 與 Codex CLI 特別優化，提供自動端點輪轉、API 格式轉換與金鑰池管理的代理代理。

一個提供建立高效且可擴展分散式機器學習系統所需基本元件的骨幹 C++ 庫。