一個支援透過彩色提示、文字標籤或參考影像進行引導的線稿自動上色深度學習框架。

一個獨立的 NumPy dtype 擴充實作，支援機器學習中的 bfloat16、8 位浮點數與窄整數等低精度格式。

一個允許 AI 代理在不阻塞的情況下執行、監控並與背景開發伺服器及 TUI 互動的終端會話管理器。

專為 macOS 設計的私有 AI 工作區，提供聊天、語音轉錄與會議筆記功能，同時保持資料本地化，並透過可驗證的隱私保護 API 路由推論。

一個 PyTorch 實作，用於透過反向傳播學習突觸權重與軸突延遲，以訓練多層脈衝神經網路。

面向企業級 AI 代理的生產就緒治理框架，實現安全防護、合規即程式碼、IAM 與人工介入升級

一個用於自動化文字與語音對話的開源機器學習框架。

Ivy 是一個轉譯器，允許開發者在 PyTorch、TensorFlow、JAX 和 NumPy 等框架之間轉換機器學習代碼、模型和庫。

一個使用深度神經網路從影像和即時影片串流中識別人員的開源人臉辨識程式庫。

一個深度整合 Hugging Face 生態系統與雲端運算的自主機器學習代理，能自動完成機器學習程式碼的研究、撰寫與發佈。

LMFlow 是一個可擴展的 Python 工具箱，用於微調大型語言模型。支援全參數訓練、LoRA、記憶體高效的 LISA 算法、QLoRA 量化，以及一系列加速技巧（FlashAttention‑2、DeepSpeed、vLLM、SGLang）。訓練完成後，提供簡單的聊天式推論腳本與可選的 Gradio/Flask 部署。此庫專為 Linux/Colab 環境設計，並提供多模態模型、分散式獎勵模型推論等可選擴充功能。

一個為 .NET 開發者設計的跨平台開源機器學習框架，讓他們無需使用 Python 或 R 即可構建、訓練和部署自定義模型。

torchtune 是一個基於 PyTorch 的庫，提供 Llama、Gemma、Qwen、Phi 等多種現代大語言模型（LLM）的微調、RL-HF、蒸餾、量化感知訓練與推論的即用型配方與設定。它透過簡單的 CLI（`tune`）與 YAML 檔案，抽象化了分散式訓練、記憶體節省技巧與裝置支援，並與 Hugging Face、torch-ao、FSDP2 及日誌工具整合。儘管 2025 年開發已停止，它仍是 LLM 實驗的實用、開源工具包。

一個包裝 PyTorch 的 scikit-learn 兼容神經網路庫，讓使用者能使用 scikit-learn 的管道與網格搜尋功能操作 PyTorch 模型。

pycorrector 是一個用於中文文本修正的 Python 工具包。它提供基於 KenLM 的快速規則系統和一系列神經模型（MacBERT、T5、ERNIE、GPT 風格 LLM、BART 等），可即用或在自有資料上微調。透過 pip 安裝，選擇模型類別，呼叫 `correct()` 或 `correct_batch()` 即可取得修正後的句子與錯誤細節。倉庫包含評估腳本、示範與命令列批量處理功能，適用於輸入法、OCR/ASR 後處理、搜尋查詢清洗等場景。

一個使用影像字幕架構將手繪網頁原型轉換為 HTML 程式碼的深度學習模型。

一個將深度神經網路轉換為最佳化 CUDA/HIP C++ 程式碼的 Python 框架，用於在 NVIDIA 與 AMD GPU 上實現高效率推論服務。

一個用於 NeoVim 的 GitHub Copilot Vim 外掛程式的純 Lua 替代品，提供更好的效能與更深度的現代外掛生態系統整合。

一個使用 OpenCV 與 TensorFlow 實現文件、身分證、名片等智慧影像裁切與透視校正的 Android 套件。

基於 Kotlin Multiplatform 構建的 AI 原生多智能體開發平台，可在 IDE 與多個裝置中整合編碼、審查與研究智能體。

一個用於英文文本的純 Go 自然語言處理函式庫，提供分詞、詞性標註和命名實體識別。

Jittor 是一個高性能深度學習框架，透過 JIT 編譯整個計算圖，並使用元操作符生成針對特定模型優化的 CUDA/C++ 內核。它提供類似 PyTorch 的 Python API，支援 CPU 與 GPU 後端（CUDA、ROCm、Hygon），並包含視覺、渲染、幾何學習與強化學習的模型庫。

一個協調專業 AI 代理的多代理系統，僅需一個終端提示即可生成簡報投影片、研究報告與影片等專業交付物。

Meta 提供的生產就緒強化學習庫，用於建構能處理複雜現實環境、稀疏回饋與動態動作空間的模組化 AI 代理。

一個 PyTorch 領域庫，為在多個 GPU 上分片的大型嵌入表格上訓練與部署大規模推薦系統提供稀疏性與平行處理原語。

一個高效的歌唱音色轉換專案，相比傳統 SVC 模型，顯著降低硬體需求並大幅縮短訓練時間，實現高品質 AI 語音變換。

一種透過聯合最佳化，從多角度影像中提取三角形3D模型、材質與光照的可微分渲染框架。

Apache Mahout 是一個可擴展的機器學習環境，其特色是 Qumat，一個提供量子運算後端與GPU加速資料編碼統一API的Python庫。

一個用於可視化類別激活圖（CAM）的 PyTorch 庫，用於解釋與調試基於卷積與 Transformer 的視覺模型的預測。

一組可消除學習率排程與預定停止時間需求的 PyTorch 優化器，實現更快、更彈性的模型訓練。

一個用於在分散資料上進行機器學習與運算的開源框架，可在保持訓練資料於客戶端本地的同時，實現全球模型訓練。

使用貝葉斯網路識別因果關係並估計干預影響的因果推理與「如果……會怎樣」分析工具包。

一個使用多種監督式與非監督式技術，將類別變數編碼為數值型態的 scikit-learn 風格轉換器函式庫。

TensorFlow Extended (TFX) 是一個生產規模的 ML 平台，提供框架以建構與編排自動化的機器學習流水線。

一個基於瀏覽器的神經網路推論引擎，使用 WebGPU、WebGL 和 WebAssembly 在 Web 瀏覽器中直接執行 ONNX 模型。

一個透過標準化排行榜與提交介面，實現大規模機器學習與 AI 算法評估與比較的開源平台。

PyCUDA 是 Nvidia 的 CUDA API 的 Python 封裝，支援 GPU 上的高效率並行運算，具備自動記憶體管理與 C++ 速度。

ClawManager 是一個開源、Kubernetes 原生的控制平面，讓操作員能配置、治理並在 AI 代理工作區（OpenClaw、Hermes、OpenCode、DeepSeek Harness）上協作。它整合了 React UI、Go 後端、MySQL 狀態，以及一組服務（AI 網關、北向 API、安全防護），提供一鍵式執行時建立、模型存取審計、可重複使用的資源注入、團隊導向的任務分解與分層安全監控。可在 k3s 或完整 Kubernetes 叢集上部署，針對需要可擴展、策略驅動的 AI 代理基礎設施的平台團隊。

一種 GPU 加速的 FIt-SNE 算法實作，相比 CPU 基礎方法，在可視化高維資料方面提供了巨大的速度提升。

一個開源的多智能體 AI 助手，允許用戶構建自主 AI 團隊和公司，在桌面、Web 和行動平台上執行複雜任務。

一個收錄 MLPerf Training 基準測試套件參考（未最佳化）實作的倉儲，涵蓋視覺、語言、推薦與圖模型。每個基準測試均包含模型程式碼、Dockerfile、資料集腳本，以及測量達到目標品質所需時間的訓練執行腳本。適用於基準測試提交、硬體評估與學習，但不適用於真實世界效能。

一個用於透過加權框融合（WBF）和NMS等方法，對多個物件檢測模型的邊界框預測進行整合的Python套件。

一個提供一系列與 scikit-learn 相容的可解釋機器學習模型的 Python 套件，例如規則集和稀疏線性模型，旨在取代黑盒模型。

一個自主數據標註代理框架，允許 AI 代理根據 ground truth 數據集自主學習數據處理技能。

torchdistill 是一個基於 PyTorch 的工具庫，僅需撰寫 YAML 設定即可執行知識蒸餾實驗（教師-學生訓練）。提供多種現代 KD 損失、用於提取中間特徵的前向鈎子管理器，以及視覺與 NLP 任務的範例程式碼。透過 `pip install torchdistill` 安裝，並在研究中使用時引用相關論文。

結合蒙特卡洛樹搜尋（MCTS）與深度強化學習（DRL）的輕量級 PyTorch 工具包，旨在標準化並加速基於 MCTS 的決策演算法研究。

一個在 K8s 與 Ray 上提供自動故障容錯、自動擴縮與快速檢查點恢復的自動分散式深度學習系統，簡化大規模 AI 模型訓練。

一個用於預測生物分子相互作用三維結構的 PyTorch 實作，並包含完整的 PDB 資料集整理工具。