GRANDE是一个基于梯度的决策树集成项目，旨在提高模型的准确性和可解释性，适用于多种机器学习任务。
该模型结合对比潜变量，以指导能量基础模型的训练和优化。
taichi.js是一个现代化的JavaScript GPU计算框架，旨在提供高性能的计算能力，使开发者能够轻松地进行图形渲染、物理模拟、机器学习任务等。它支持多种数据类型，拥有易于使用的API，且具备跨平台兼容性，适用于多种应用场景。
直接偏好优化 (DPO) 是一种新算法，旨在改变大语言模型（LLM）与人类反馈的对齐方式，提供强化学习的替代方案，从而提高模型对人类偏好的理解和响应能力。
RSP项目利用随机帧预测技术进行视觉表示学习，旨在提高学习效率，适用于各种视觉表示任务。
Openlayer是一个先进的平台，旨在使用机器学习算法构建高质量、可信赖的模型。它提供了一个工作区，用于从头开始评估和设计机器学习模型。用户可以创建账户并访问评估工作区，上传数据集，配置模型参数，并选择合适的机器学习算法进行训练和测试。Openlayer配备了用户友好的界面，提供数据预处理、特征选择、模型评估和可视化工具。
Distributional 是一个旨在优化数据流的 AI 工具，能够高效处理大规模数据，支持实时数据处理，适合各类用户，包括数据科学家和大型企业。
PostgresML是一个完整的MLops平台，以简单的PostgreSQL扩展形式存在。它允许用户在数据库内部快速、简单且强大地构建模型。
可微分的刚体物理模拟器，用于在虚拟环境中模拟物体的物理行为，比如物体的碰撞和运动，帮助研究人员和开发者更好地理解和预测物理世界中的物体交互
