一個用於深度學習的高度最佳化核心儲存庫，為伺服器端推論與生成式 AI 提供低精度矩陣乘法與卷積函式庫。

一個使用超越簡單檢索的合成任務來評估長上下文 LLM 實際有效上下文大小的基準測試框架。

一個為多機機器學習訓練提供 allreduce 和 broadcast 等高效原語的集體通訊庫，支援 GPU 間加速。

一個 JavaScript SDK，可利用 WebGPU 加速在瀏覽器中直接執行生產就緒的 LLM 和多模態 AI 模型，確保隱私且無伺服器成本。

Lean Copilot 是一個將大型語言模型整合為 Lean 4 證明自動化戰術的函式庫。提供 `suggest_tactics`、`search_proof` 和 `select_premises` 等命令，內建預建構的 BYT5 模型，並可透過簡單的 HTTP API 接入任何外部模型。透過標準 Lake 套件管理器安裝，可在任何 Lean 專案中立即使用。

Tora 是一種面向軌跡的擴散變換器，可透過文字、視覺與軌跡引導，精確控制物件運動，實現高品質影片生成。

一個多功能的貝葉斯優化套件，專為高效尋找機器學習演算法的最佳超參數配置而設計。

一個包含 233 種以上的元啟發式演算法的全面性 Python 庫，用於解決複雜的全域優化問題以及調校人工智慧/機器學習參數。

一組 Flutter 外掛程式，讓行動應用能使用 Google 的獨立 ML Kit 實現裝置端的視覺、自然語言與生成式 AI 功能。

一個統一的、自托管的聊天與搜尋平台，提供單一介面以存取多個主要 AI 提供者。

一個 Go SDK，為開發者提供介面，以便將 Google 的生成式 AI 模型（如 Gemini）整合至其 Go 應用程式中。

一組用於在 AWS 上執行 AI/ML 工作負載的預建、已套用安全修補的 Docker 影像，為 PyTorch、TensorFlow 和 vLLM 等框架提供最佳化環境。

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。

適用於長期 AI 代理的可擴充執行時與軌跡收集框架，支援監督微調（SFT）的狀態忠實資料匯出。

透過結構化程式碼導航、持久記憶與 Bash 命令重寫，減少 AI 編碼代理令牌使用量的 MCP 伺服器

一個為生成式 AI 應用開發提供追蹤、日誌和評估工具的工具包，為 LLM 開發流程帶來嚴謹性。

為 LM Studio 開發的基於 Apple MLX 的 LLM 引擎，可在 macOS 上實現文本與視覺模型的優化本地推理。

一個本地開發網關，讓你透過免費瀏覽器會話或本地提供者在程式碼編輯器中執行前沿 LLM，無需昂貴的 API 金鑰。

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。

一個將 LangChain 框架實作於 C# 的版本，讓 .NET 開發者能利用 LLM、向量資料庫與文件載入器建構可組合的 AI 應用程式。

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。

使用純 Python 構建的無框架、自我進化型 AI Agent 系統，透過多租戶路由與三層記憶系統提供 24/7 全天候個人助手服務。

一個使用模擬、用戶模擬器和裁判代理來評估 AI 代理在多輪對話中行為和穩健性的代理測試框架。

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。

一個模組化執行時與編排系統，讓 AI 代理透過結構化流程、品質門檻與專用代理角色，自動化軟體開發生命週期。

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。

一個用於簡化 CUDA 內核基準測試的 C++17 庫，提供參數掃描和詳細的吞吐量與頻寬測量。

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。

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。

TypeAgent KnowPro 的 Python 實作，用於建構結構化 RAG 系統，作為結構化檢索的實驗性原型。

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。

使用 TypeScript 與 Node.js 建構的終端原生編碼代理，將 LLM 與本地檔案與 shell 工具整合，實現自動化軟體開發。

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。

一款適用於Android、iOS與macOS的跨平台AI助理應用，支援即時對話、多模態分析，以及透過多種LLM供應商即時建立Web應用。

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。

一個企業級安全閘道，為組織內的 AI API 呼叫和 MCP 工具呼叫提供稽核、治理和存取控制。

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。

一種用於長推理 LLM 的 KV-cache 壓縮方法，透過使用三角函數頻域壓縮，在不損失準確性的情況下將記憶體佔用降低 10.7 倍，並將吞吐量提高 2.5 倍。

一個將多個 LLM 提供者、AI 代理、知識庫與 MCP 工具整合至單一注重隱私介面的本地優先桌面 AI 工作台。

用於安全與金融科技應用中防止偽造的 Android SDK，支援人臉辨識與 3D 被動式活體檢測。

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。

一個為 Claude Code 和 OpenCode 提供完全本地化會話記憶的工具，可自動記錄活動並建立緊湊摘要，以消除冷啟動問題。

一個支援單機或多機 GPU 集群上進行預訓練、SFT 與 RLHF 對齊的 SpeechLM 基於語音合成系統之訓練與模型框架。

一款與供應商無關的 CLI AI 編程助手，允許開發者使用包括本地模型和現有訂閱在內的任何 LLM 供應商來編輯程式碼庫並自動化工作流。

一個 PyTorch 原生代理強化學習 (agentic RL) 函式庫，透過將基礎設施關注點與模型關注點分離，簡化可擴展的強化學習實驗。

OpenYak 是一個開源桌面 GUI (Electron + React)，讓您能與 Codex 或 Claude Code 代理進行對話，同時將所有對話記錄、檔案和專案資料保留在本地 (Rust + SQLite)。它透過 stdio 整合官方執行環境，顯示參考檔案 (Markdown, HTML, PDF, DOCX, 程式碼)，並提供一個由 Playwright 驅動的共享瀏覽器，讓使用者與代理皆可控制同一個頁面。請使用 Node 26、Rust 1.90 以及您自己的 Codex/Claude CLI 二進位檔案執行；應用程式目前為 v2 alpha 版本，採用 Apache-2.0 授權。