一個基於 C 語言的緊湊型機器學習執行環境，配備 Python API，可對張量執行與記憶體進行完全控制，適用於研究與低階最佳化。

用於 C++、Python 與 Java 的客戶端程式庫與範例，簡化與 Triton Inference Server 的模型推論與伺服器管理通訊。

一個用於 Databricks ML 專案的可定制化生產就緒模板，提供預配置的 CI/CD、程式碼化資源管理以及標準化的專案結構。

一個使用模型預測控制（MPC）作為函數近似來訓練基於模型的強化學習（RL）代理的函式庫。

用於自主系統的分層感知庫，提供使用 TensorFlow 和 Keras 構建電腦視覺流水線的模組化 API。

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。

一個面向企業級 AI 代理的私有控制平面，統一管理跨不同本地代理執行環境的模型路由、技能分發與知識管理。

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。

Ming-flash-omni 2.0 是一個開源的全模態MLLM，透過單一MoE架構統合了文字、影像、音訊與影片的多模態感知與生成。

AWS Neuron 是一個用於高效率深度學習與生成式 AI 的 SDK，可於 AWS Inferentia 與 Trainium 加速器上部署與分析工作負載。

一種基於深度學習的快速神經影像處理流程，用於腦部 MRI 圖像的體積與表面基礎厚度分析，作為 FreeSurfer 的高速替代方案。

一個高效率的 C++ 與 TensorRT 框架，融合 YOLO 物件檢測與單眼/雙眼深度估計，用於即時追蹤物件並估算其運動狀態。

一種用於數位病理科的全切片基礎模型，採用切片與整片編碼器架構，用於分析龐大的病理影像。

一個支援元資料過濾、餘弦相似度和本地或基於 API 的嵌入的本地檔案後端記憶體向量資料庫。

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 Wan2.2 用的 ComfyUI 節點，透過增加運動幅度並提升相機運動回應性，解決圖像轉動畫生成中的慢動作問題。

一個全面的 TensorFlow Keras 流程，支援 YOLOv2、v3 與 v4 物件檢測，涵蓋多樣骨幹網路、進階訓練技術，並支援裝置端部署。

一種使用梯度引導搜尋自動為掩碼語言模型生成最佳提示的自動化提示生成工具，用於執行 NLP 任務。

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。

用於影片理解與創作的大規模多模態模型 (LMM) 系列，能夠實現時間檢索、時空定位與自動影片編輯等任務。

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。

一個利用人機協同 GUI 快速標記並量化動物行為的多動物姿態追蹤深度學習框架。

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。

一個 CLI 工具與 SDK，透過 MITM 代理實現網路允許清單與安全密鑰注入，在隔離的暫時 microVM 中執行 AI 代理。

一個讓 R 語言輕鬆使用大型語言模型的套件，支援廣泛的提供者以及串流與工具呼叫等功能。

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。

基於 LIO-SAM 的重定位系統，讓機器人能於先前儲存的地圖中確定自身位置。

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 SideFX Houdini 外掛程式，提供全面的工具集，用於 VFX 生產中的高斯點雲場景匯入、編輯與動畫。

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。

一款高性能工具，支援在多種格式間轉換3D高斯潑濺檔案，並具備GPU加速過濾與壓縮功能。

一個 AI 驅動的 GitHub 助手，提供 Git 幫助的 AI 聊天、自動 README 產生與 Gitmoji 支援，以簡化倉庫管理。

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。

一個可擴展且可客製化的安全強化學習基準庫，提供標準化的環境集，用於評估安全約束下的 AI 智能體。

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。

BLOOMChat 是一個從開源 BLOOM 模型微調而來的 1760 億參數多語系聊天 LLM。該倉庫提供資料準備、分詞與訓練腳本（後者適用於 SambaNova 的 RDU 硬體），以及使用 Hugging Face 的 Bloom 推論程式碼的詳細 GPU 推論說明。這是一個真正的大規模 LLM 專案，旨在協助研究人員與開發者複製或執行該模型。

DeepGen 1.0 是一個輕量級 5B 參數統一多模態模型，將圖像生成、編輯與推理整合至單一框架中。

一個將影像資料集轉換為空間 VQA 資料集的流程，以提升視覺-語言模型的 3D 空間推理與距離估計能力。

一個為 Nextcloud 所設計的面部辨識應用，可在本地檢測、分析並分組影像中的人臉，實現私密的以人物為基礎的照片組織。

為專業研究與學術寫作提供結構化證據、資料庫管理與可重複工作流程的 AI 代理學術 harness。

一個 React Native 示範與整合指南，用於支援 iOS 與 Android 上 1:1 驗證與活體檢測的離線人臉辨識 SDK。

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 Ruby 實作的 Model Context Protocol (MCP) 伺服器，允許 LLM 透過結構化工具與文件分析並與 Rails 專案進行互動。

一個本地、以資料庫為優先的程式碼智能與 SAST 平台，將程式碼庫轉化為可查詢的事實，以降低 AI 代理與安全團隊的令牌成本。

一個由 AI 驅動的多智能體系統，幫助研究人員分析審稿人評論、搜尋支持文獻並起草正式的學術論文反駁意見。

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。