一個提供程式設計模型的函式庫，用於撰寫可在不同 GPU 與 CPU 架構之間移植的高性能機器學習內核。

一款提供GUI與MCP伺服器的Java執行緒轉儲與堆分析工具，協助開發者診斷死結、效能瓶頸與虛擬執行緒問題。

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。

JADE 是一個利用語言變異生成高風險資料集，用於測試 LLM 和 AI 代理安全防護機制與對齊性的安全評估平台。

用於高效率模擬與分析化學反應網絡及動態系統的符號建模套件。

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。

FlagScale 是 FlagOS 生態系統的一體化工具包，為在多種 AI 硬體晶片上訓練、強化學習與推理大模型提供統一介面。

一個與主要深度學習框架深度整合的 ML 與資料追蹤、視覺化與可解釋性引擎，用於記錄指標、輸入與製品。

一個 LLM 執行階段，透過管理 VRAM 與 CPU RAM 之間的專家駐留，讓消費級 NVIDIA GPU 能夠運行龐大的混合專家模型。

DeepMind 的 DQN 基礎強化學習代理的參考實作集合，旨在實現 Atari 遊戲研究的可重現性。

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

一個為 Elixir 提供傳統機器學習演算法的函式庫，基於 Nx 提供分類、回歸、分群與預處理工具。

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。

透過合成數據生成與自動驗證的自我改進循環來擴展具備推理能力的模型的框架。

一個用於在 Databricks 中使用 Spark 生成可擴展合成資料的 Python 套件，專為測試、基準測試與示範而設計。

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。

專為科學機器學習、不確定性量化和人工智慧設計的受約束非線性優化框架，提供對求解器工作流的細粒度控制。

一個使用標準化環境與精選資料集來評估與比較開源 AutoML 系統的框架，以確保研究的可重現性。

一組用於 radare2 的外掛程式，整合 LLM 以協助逆向工程任務，例如函數解釋、漏洞發現與增強式反組譯。

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。

一個整合程式庫，讓 JAX 使用者能在 JAX 程式中呼叫自訂 Triton 內核，以實現高效率的 GPU 操作。

一種企業級多模態 AI 中間件，提供統一的 API 層，用於管理多個模型供應商、RAG 和代理執行時，並具備集中式路由和治理功能。

一個 PyTorch 函式庫，用於高效計算神經網路的 Hessian 特徵分解、跡與譜密度，且不會遇到平方級記憶體瓶頸。

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。

一個用於 Ollama 及其他本地 LLM 提供方的網頁 GUI，讓使用者能透過注重隱私的介面與自架設模型進行對話。

一種透過從人類撰寫的解決方案語料庫中學習，合成高品質機器學習流程的表格資料用 AutoML 技術

一個基於 Python 的框架，允許開發者使用自然的 Python 語法而不是手動圖建構來撰寫、除錯和最佳化 ONNX 模型。

一個零相依的本地儀表板，提供 OpenClaw AI 代理的成本、系統健康狀態與代理活動的即時監控。

一個用於資料驅動的微分方程結構估計與識別的 Julia 套件，允許使用者從資料中自動發現數學模型。

一個用 Rust 建構的高效能 MCP 管理系統，用於編排 AI 代理和應用程式的模型上下文協定服務。

一個自主的、AI 驅動的滲透測試框架，可協調 72+ 個安全工具，實現偵察、利用和報告的自動化。

由 Lightning Fabric 加速的可擴展 PyTorch 強化學習框架，將 RL 演算法與環境解耦，實現更高彈性。

一個為信號與影像處理設計的 PyTorch 原生離散與連續小波轉換工具箱，支援 GPU 加速與梯度計算。

一個用於在行動裝置上開發與部署 TFLite 模型的工具包，提供元資料管理、自動 API 產生與優化之任務程式庫。

一個用於執行.prompt 檔案的命令列工具，允許使用者將 LLM 提示詞視為可版本化的產物，並透過 Shell 自動化 AI 工作流。

一個基於 PyTorch 的並行訓練系統，旨在利用一般硬體將深度學習推薦模型擴展至 100 兆參數。

一個使用 QEP 與 AutoBit 等先進量化技術來減少模型大小與 VRAM 使用的 Python 套件。

一個支援分散式執行與先進調優方法的大規模、可重現超參數最佳化（HPO）庫。

面向 Java Enterprise 應用程式的 AI 原生 SDLC 工作流，透過提供可重用的技能、代理和指令來標準化分析、設計與實作。

CRAB 是一個以 Python 為核心的框架，用於在 Docker、虛擬機和實體機等多種環境中構建與評估多模態具身智能體 (Embodied AI agents)。

NVIDIA 為在 GPU 上優化 JAX 與 XLA 提供的集中式資源中心，包含優化容器映像、技術文件與 AI 工作負載的效能調校。

一個支援跨 100+ GPU 擴展的 PyTorch 程式庫，用於機器學習氣象與氣候模型的大規模並行訓練與推論。

一個開源模型註冊表庫，允許使用者在無需追蹤伺服器的情況下，跨多個雲端儲存供應商和本地檔案系統對機器學習模型進行版本化、儲存與下載。

一個用於生成式 AI 應用程式的原型設計庫，允許使用者透過視覺化方式連接模組化組件，從而進行 AI 工作流的實驗與分享。

一個將 Ghidra 的逆向工程套件與 LLM agent 集成的 MCP server，可實現自動化反編譯、語義代碼搜索和二進制分析。

RxInfer.jl 是一個 Julia 庫，使用因子圖訊息傳遞實現快速、反應式貝葉斯推論。它能自動利用共軛關係進行精確更新，支援非共軛模型，並可透過 RxInferServer 部署為 REST API。使用 `] add RxInfer` 安裝，用 `@model` 宏定義模型，呼叫 `infer` 以取得後驗分佈。

一個用於建立模擬昂貴計算過程的近似模型 Julia 函式庫，實現高效的函數優化與分析。