PyTorch Geometric (PyG) 是一个基于PyTorch的图神经网络（GNN）库，旨在简化图结构数据的深度学习任务。它提供了丰富的GNN模型，支持大规模图和异构图，广泛应用于化学、生物信息学、自然语言处理和社交网络分析等领域。PyG具有易于使用的API，支持多GPU、`torch.compile`和`DataPipe`，并提供了大量常见基准数据集和有用的转换工具。
GraphCast是由Google DeepMind开发的一个基于图神经网络的中短期天气预测模型。它通过捕获地球大气层的复杂物理过程，生成高精度的天气预报。该模型在多个标准指标上表现出色，平均绝对误差比传统方法低15%。项目提供了预训练模型权重、归一化统计数据和示例输入数据，并支持在Google Cloud上运行和训练模型。
一个用于研究组织病理图像和基因表达的数据库，支持空间转录组学研究。
VQGraph重新思考图表示空间，旨在桥接图神经网络（GNNs）和多层感知机（MLPs），提供创新的图表示技术，提升图基机器学习任务的效率和效果。
Graphium是一个专注于图表示学习的深度学习库，特别用于处理现实世界中的化学任务。它具备最先进的图神经网络架构，提供可扩展的API，并支持丰富的分子特征化功能，能够有效应对复杂的化学问题。
记载工程实践问题的解决策略与关键要点，分享各种实用案例，追踪前沿技术发展，囊括 AI 全栈知识，涵盖大模型、编程技术、机器学习、深度学习、强化学习、图神经网络、语音识别、NLP 及图像识别等领域
Graph4NLP是一个库，旨在简化图神经网络在自然语言处理中的应用，支持多种任务和模型的灵活使用。
textlesslib是一个专为无文本口语处理设计的库，集成了多种先进的AI模型，提供高效的音频特征提取，支持多种语言的处理，且开放源代码，易于扩展。
该框架将3D感知集成到预训练的2D扩散模型中，增强了得分蒸馏的鲁棒性和3D一致性，旨在解决2D扩散模型无法捕捉3D一致性的问题。
InstructScore (SEScore3) 是用于文本生成评估的首个解释性指标，提供全面的评估和诊断报告，帮助识别模型的优缺点，支持多种文本生成任务，并能比较不同模型的输出。
Qwen是阿里通义千问开源的多语言处理框架，支持多种自然语言处理任务，提供高效的模型推理和友好的用户接口。它兼容多种开发环境，旨在为开发者提供高效构建语言模型的工具，支持广泛的语言覆盖与任务适配，帮助解决全球化场景下的文本处理需求。最新的720亿参数版Qwen-72B和Qwen-72B-Chat在多个任务上超越LLaMA2-70B和GPT系列模型。
One-GLM是基于GLM架构的项目，移植到了使用OneFlow后端进行训练，能够大幅提升性能和显存利用率。
基于 LLaMA-7B 经过中文数据集增量预训练，旨在提升中文自然语言处理能力。
SimCSE是一个简单的框架，旨在通过无监督和监督的方法进行句子嵌入的对比学习，从而实现高质量的句子表示。
