一個用於在本機環境、Kubernetes 和 Google Cloud Platform 上打包、執行和追蹤機器學習實驗的框架。

一個 Julia 套件，將微分方程求解器整合至神經網路中，以實現具物理資訊的科學機器學習模型。

為 llama.cpp 提供的 Go 綁定，支援使用 GGUF 格式在 Go 應用中實現高效能本地 LLM 推論。

hf‑mem 是一個輕量級的 Python CLI（以及函式庫），用於估算執行任何使用 Safetensors 或 GGUF 權重的 Hugging Face 模型所需的 RAM。它僅透過 HTTP range requests 獲取元數據，支援 Transformers、Diffusers、Sentence‑Transformers，並可選擇性地估算 KV‑cache 記憶體與 MoE 分解。可作為獨立工具、Hugging Face CLI 擴充功能或 Agent skill 安裝。

一種用於壓縮 3D Gaussian splats 的 C++ 函式庫與檔案格式，與.ply 檔案相比，在視覺差異極小的情況下可將檔案大小減少高達 10 倍。

一個 Keras 的 R 接口，讓 R 使用者能使用高階神經網路 API 快速原型設計與訓練深度學習模型。

Treelite 是一個用於決策樹森林的通用模型交換與序列化格式，讓 C++ 應用程式能夠在磁碟與網路中儲存並交換模型。

一個專注於無監督聚類分析與異常檢測研究的開源 Java 資料探勘框架，具備高效率索引結構，適用於可擴展的基準測試。

專為即時系統與音訊處理優化之輕量級 C++ 神經網路推論引擎。

一個用於可解釋人工智慧（XAI）的 Python 工具包，提供屬性歸因、特徵可視化與概念提取工具，協助使用者理解複雜的神經網路模型。

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。

一種自動對二進位檔中提取的字串進行排序的機器學習工具，協助惡意軟體分析人員快速識別最相關的資訊。

一個基於 Go 的協定轉換與模型路由代理，將 Anthropic、Gemini、OpenAI 等多種 AI 提供商 API 統一在單一 OpenAI Responses API 介面之下。

Cline VS Code 擴展的框架，透過遞迴式檔案追蹤系統與本地 LLM 協助分析，管理大型專案的上下文與相依性。

一個用於定義和求解馬爾可夫決策過程（MDPs）與部分可觀測馬爾可夫決策過程（POMDPs）的核心 Julia 介面，用於處理不確定性下的決策問題。

Table-Augmented Generation (TAG) 的基準，一種用於回答資料庫上自然語言問題的範式，需要世界知識或語義推理。

NucliaDB 是一個結合向量、全文與圖索引的混合 AI 搜尋資料庫，可用於儲存與搜尋非結構化資料。

XGBoost 的延伸，透過預測目標的完整條件分配而非單一點估計，來實現機率建模。

一個使用 Nano Banana Pro 從程式碼庫與系統文件中自動生成功能架構圖、流程圖與序列圖的 MCP 伺服器。

一個包含300個經人工驗證任務，並採用嚴格Pass^3指標以確保模型性能一致性的自主代理可信評估框架。

一種使用高階人類概念而非單個輸入特徵來解釋神經網路預測的模型可解釋性方法。

一個面向強化學習研究的全面 Julia 套件，提供可擴充的元件，用於實現、基準測試與重現 RL 算法。

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。

一個用於在訓練過程中維持指數移動平均（EMA）模型版本的 PyTorch 套件，以提升模型穩定性與效能，支援後處理合成與目標表示路由。

MOA 是一個用於即時資料流挖掘和大規模機器學習的開源 Java 框架，提供一系列演算法和評估工具。

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。

一個為 Triton Inference Server 提供的後端，可無需 C++ 程式碼即可部署基於 Python 的機器學習模型。

VPTQ 是一種使用向量量化在無需重新訓練的情況下將 LLM 壓縮至 2 bits 以下的訓練後量化方法，使巨型模型能在消費級硬體上執行。

一個 Laravel 套件，透過單一程式碼庫自動將 Eloquent 模型轉換為 JSON:API 端點與 AI Agent 用的 MCP 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。

一個透過 Docker 管理與部署 AI 模型的工具，透過 llama.cpp 和 vLLM 等後端簡化 LLM 的拉取與提供流程。

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。

一個面向 AI/ML 研究的社群驅動型自動化框架，可在不同的硬體、軟體和數據集之間實現可復現且可移植的工作流。

一個 C++ 和 DPC++ 函式庫，為 CPU、GPU 和分散式系統上的表格數據提供硬體加速的機器學習例程。

一個用於 ETL 和 RAG 的 AI 驅動文件處理引擎，可將非結構化文件轉換為高品質的資料區塊，供向量資料庫使用。

為 AI 代理設計的高性能語意記憶系統，引入 Git 類似版本控制、階層語意路徑與加密完整性以實現記憶管理。

專為行星規模工作負載設計的衍生資料儲存平台，通常作為機器學習特徵儲存的狀態後端，以實現低延遲的線上推論。

用於分子與晶體的快速、高準確度原子模擬的預訓練神經網路勢能庫，取代昂貴的DFT計算。

一個用於材料科學的數據挖掘庫，提供檢索數據集和為分析進行材料數據特徵化的工具。

一個將設計系統編譯為可安裝 Agent Plugin 的工具，讓 AI 編碼代理能遵循特定的設計標籤和組合規則，撰寫符合品牌風格的 UI。

透過在反向傳播過程中重用資訊，高效計算標準梯度以外的量（如單樣本梯度與梯度變異）的 PyTorch 擴充。

基於 OWASP 標準提供自動化漏洞掃描的開源對抗模擬框架，專為紅隊測試 AI 代理與 MCP 伺服器而設計。

一組專為非拓撲學專家設計的拓撲資料分析（TDA）Python 套件，旨在讓拓撲資料工具更易於使用。

ONE 是一個高效能的裝置內神經網路推論框架，可讓 TensorFlow 和 PyTorch 的 AI 模型在各種硬體加速器上高效執行。

用於測試 NLP 與 LLM 模型穩健性、偏差、公平性與安全性的綜合性評估工具。

一個將 PyTorch 功能引入 R 生態系統的 R 套件，支援機器學習中的張量運算與自動微分。

一個基於 PyTorch 的 Python 函式庫，專為水文學中的深度學習研究而設計，允許使用者透過設定檔訓練神經網路。

一個讓 AI 代理能生成互動式 React 基礎 HTML 藝術品，而非純文字 Markdown 的框架，支援複雜佈局、儀表板與狀態化介面。