# 机器学习

自主数据标注代理框架，让AI自动完成数据标注任务，提升机器学习数据准备效率。

一个自动化AI研发的机器学习工程代理，能自主探索代码空间，推动AI研究与实验，适合AI工程师加速模型迭代。

一个用于强化学习扩展的LLM后训练框架，专注于提升大模型在RL场景下的训练效率与性能，面向AI研究与工程团队

一个自主运行的 AI 代理，能 24/7 自动执行深度学习实验，支持零成本监控和恒定内存，适合长期研究。

基于 Tinker 的后训练技术指南，提供如何微调大模型以提升其在特定任务上的表现，适合研究人员和开发者进行模型优化实践。

2 小时内从零训练一个 6400 万参数的大模型，降低大模型训练门槛，让个人开发者也能体验 LLM 训练全流程

一个用于训练小型语言模型的全栈平台，简化从数据准备到模型部署的全流程，适合希望低成本微调LLM的开发者和研究者

使用强化学习训练一个智能代理，自动优化模型训练流程，仅花费 1.3 千美元就完成模型调优，适用于 AI 研究者和机器学习工程师。

一个用于学习和构建语言模型的应用程序，通过交互式界面降低大模型开发门槛，适合想深入理解模型原理的开发者与AI学习者

MLX 是由 MLX-Explore 团队推出的 Apple Silicon 专用数组框架，专为在 Apple 芯片上高效运行机器学习模型而设计。

基于智能体的强化学习训练框架，支持大规模分布式训练，面向 AI 研究者与开发者，用于构建高性能自主决策智能体

用仅14字节的微型AI“大脑”尝试解决二维迷宫问题，展示极简AI的推理能力

提供人类偏好数据的API，帮助AI模型训练更符合人类真实偏好的行为，解决AI输出与用户真实需求脱节的问题，适合AI训练与评估团队。

一种无需显存的LLM引导技术，通过替代路径实现0MB显存运行，为资源受限设备上的大模型应用提供新可能，适合AI研究者与边缘计算开发者

VinvAI 将运行时行为与代码段关联，防止 AI 在训练中通过漏洞获取不当奖励，提升 AI 模型的可靠性。

一种防止AI代理过度拟合的智能策略，提升AI决策的泛化能力与稳定性

一种用于大语言模型训练的闭环VRAM控制与动态数据剪枝技术，优化训练效率与资源占用，面向AI研究者与大模型训练工程师

一种用于预测AI智能体任务失败的新型能量函数模型，通过量化任务执行中的不确定性来提前预警，适用于AI系统稳定性优化，供研究人员和AI工程师使用。

实时监控并修改深度神经网络训练过程的工具，支持动态调整权重与训练参数，提升模型调优效率。

一个让开发者在黑箱与白箱模型之间自由权衡的建模平台，强调在模型可解释性与开发效率之间取得平衡，避免反复迭代

Tinker 的后训练教程，帮助开发者微调 AI 模型以适应特定任务，适合希望提升模型表现的 AI 研究者与工程师。

提供 20+ 高性能大模型的完整训练、微调与部署方案，支持大规模分布式训练，是 AI 研究者和工程团队构建 LLM 的一站式工具集

谷歌开源的机器学习框架，支持从研究到生产部署的全流程，广泛应用于 AI 模型训练与推理。

基于 MLX 的 Swift 大模型与视觉语言模型实现，让开发者能用 Swift 直接运行和部署 LLM/VLM，推动 AI 在 Apple 生态的落地。

PYStreamAI 是一个用于机器学习推理的高性能框架，通过优化推理流程实现低延迟、高吞吐，适合部署AI模型到生产环境。

哈佛大学 CS249r 课程的机器学习系统教材，系统性讲解构建生产级 ML 系统的关键技术与工程实践。

利用对比语言-音频预训练技术对机械故障进行分类，面向工业设备维护人员和AI工程师，具备无需大量标注数据即可实现高精度故障识别的亮点。

一个极简高效的 GPT 训练/微调工具库，适合开发者快速上手训练中等规模的 GPT 模型，代码清晰易懂。

仅用 2 小时即可从零训练一个 64M 参数的大语言模型，降低大模型训练门槛，适合学习与实验。

一个面向大语言模型的强化学习后训练框架，用于提升LLM在复杂任务中的表现，适合AI研究者与LLM开发者。

Respect the Oracle 是一种 AI 代理的新型技能机制，通过限制代理过度依赖训练数据来防止过拟合，提升其在真实场景中的泛化能力。

一个用于训练R-CNN目标检测模型的可视化应用，简化深度学习模型的训练流程，适合AI开发者与研究者快速构建检测系统。

Latent-free ternary LLM training 是一种新型大语言模型训练方法，通过三值化（ternary）参数减少显存占用与计算开销，实现高效低资源训练，适合边缘

Kubeflow Trainer 是基于 Kubernetes 的分布式 AI 模型训练与大语言模型微调框架，支持弹性扩展与资源调度，助力 AI 工程化落地。

用强化学习训练强化学习模型的智能体，实现自动调参与模型优化，成本仅1.3千美元，适合AI研究者与ML工程师

Datapoint 是一个用于获取人类偏好数据的 API，帮助 AI 研究者和开发者训练更符合人类价值观的模型，特别适合强化学习与对齐研究。

Prime-RL 是一个面向大规模智能体强化学习训练的框架，支持复杂智能体行为建模与分布式训练，适用于 AI 研究者和机器人开发团队。

ONNX Runtime 是微软推出的跨平台高性能机器学习推理与训练加速器，支持多种硬件和框架，适合部署 AI 模型到生产环境。

Python 生态中最流行的机器学习库，提供简单高效的工具集，支持分类、回归、聚类等常见任务，适合科研与工程应用

高性能梯度提升框架 LightGBM，基于决策树算法，适用于大规模机器学习任务如分类、排序等，支持分布式训练

Coincidex 是一个面向 PyTorch 的持续学习框架，支持转移感知与无重放机制，帮助 AI 研究者高效训练模型应对新任务。

轻量级的机器学习张量库，专为在本地设备上运行大模型而设计，支持多种硬件加速，适合AI开发者和研究者。

高性能分布式梯度提升库，支持多语言与多种计算框架，广泛应用于机器学习与数据挖掘场景。

专为Apple Silicon芯片优化的数组计算框架，支持高效机器学习推理，适合Mac和iOS开发者，亮点是原生性能与Apple生态深度集成

一种AI模型训练新范式：冻结模型参数，仅训练控制逻辑（Harness），实现高效、安全的AI代理行为定制，适合希望快速迭代AI行为而避免灾难性遗忘的团队。

《动手学大模型》系列教程，通过 Jupyter Notebook 实践带你从零理解并实现大语言模型，适合AI学习者与开发者入门LLM技术栈

通过交互式可视化讲解Transformer模型工作原理，帮助开发者直观理解LLM核心机制，是学习大模型的绝佳教学工具

Jixp 是一种用于描述 Jax 神经网络的 Lisp 风格 DSL，让开发者用函数式语法更简洁地构建复杂模型。

一个用于快速构建和部署 AI 模型的开源框架，支持多模态模型训练与推理，简化从实验到生产落地的流程，适合 AI 研究者与工程团队。