OpenManus-RL是由Ulab-UIUC和MetaGPT合作领导的开源项目，旨在通过强化学习（RL）优化大型语言模型（LLM）代理的推理和决策能力。项目支持多种推理模型（如Deepseek-R1、QwQ-32B）和训练框架（SFT/PPO/DPO），提供包含50,793条轨迹的多领域数据集（操作系统、电商等），并集成Tree-of-Thoughts等高级策略。项目动态更新研究成果，鼓励社区贡献。
该项目是一个专注于提升大语言模型（LLMs）在测试阶段性能的资源集合，基于调查论文《Test-time Computing: from System-1 Thinking to System-2 Thinking》。项目提供了从直觉思维（System-1）到理性思维（System-2）的过渡方法，帮助模型在新任务中更好地适应和推理。项目包括论文、代码、基准测试和开源框架，并定期更新，为研究人员提供了丰富的参考资料和实用工具。
Letta是一个开源框架，用于构建具有内存功能的大型语言模型（LLM）服务。它允许用户创建具有高级推理能力和透明长期记忆的状态感知代理。Letta使用数据库持久化代理状态，支持多种LLM API后端（如OpenAI、Anthropic等），并采用模块化设计，便于集成和扩展。Letta已广泛应用于客户支持聊天机器人、个性化推荐引擎和知识库助手等场景。
GPT Computer Assistant（GCA）是一个开源框架，旨在简化Windows、macOS和Ubuntu上的计算机使用。它通过模型上下文协议（MCP）和模块化架构，能够执行类似人类的操作，如点击、阅读、滚动和写入。GCA还支持高级功能，如数据库表分析、云安全设置配置等，帮助用户构建垂直AI代理，并实现高效的人机交互。
LiveKit Agents 是一个完全开源的框架，旨在帮助开发者构建能够实时处理语音、视频和文本的多模态AI应用。它提供了一套完整的工具和接口，简化了AI代理的开发流程，集成了语音管道代理、多模态代理、实时媒体传输、任务调度、电话集成和数据交换等功能。开发者可以根据具体应用场景选择合适的模型和服务，并与 LiveKit 的 Telephony Stack 无缝集成，使代理能够拨打或接听电话。
LinguaNet是一个专为语言网络分析设计的开源框架，为开发者提供构建语言关系模型的工具。它支持复杂文本网络的处理与可视化，适用于语言研究与应用。通过其强大的功能，用户可以深入分析语言结构，生成直观的网络图示，并进行快速的网络预测。
OpenCompass是一个专为AI模型评测设计的开源框架，旨在提供全面客观的性能评估工具。它支持多种语言模型的标准化测试，帮助开发者深入了解模型能力与局限。
XAIformers是一个专为Transformer模型优化设计的开源框架，旨在提升模型性能。它通过精简计算与内存管理，支持高效训练与推理任务。平台以性能优化和灵活性为重点，开源社区协作紧密，文档结构清晰，非常适合需要在Transformer应用中实现专业优化的开发团队。
XAIstream是一个专为实时AI处理设计的开源框架，为开发者提供构建低延迟智能系统的工具。它支持流式数据的高效处理，适用于动态场景下的模型应用。通过流式计算、推理加速、动态调度、硬件适配和接口支持等功能，XAIstream能够帮助开发者在各种实时场景中高效地应用AI技术。
XAIreason是一个专为推理任务设计的开源框架，为开发者提供构建逻辑性强AI系统的工具，通过增强模型的推理能力，支持复杂问题的高效求解。它具备推理引擎、知识整合、模型优化、可视化支持和兼容性强等特点，适用于决策系统、知识问答和透明AI等多种场景。
GrokTune是一个专为模型微调设计的开源框架，旨在为开发者提供高效优化AI模型的工具。它支持快速调整预训练模型以适配特定任务，从而显著降低开发成本与时间。框架内置了多种功能，包括参数微调、数据处理、训练加速和模型评估等，确保用户能够高效地进行模型优化。
LMFlow是一个专为语言模型工作流设计的开源框架，提供优化开发与部署过程的工具，支持从训练到推理的全链路管理，提升语言任务的效率。它具有可扩展的架构，支持大规模机器学习模型的高效微调和推理，并提供用户友好的界面进行模型管理。
FlowMind是一个专为思维导图生成设计的开源框架，为开发者提供构建智能结构化工具的平台。它支持从文本到导图的自动化转换，提升信息整理效率。通过NLP技术提取关键信息结构，自动构建层次化思维导图，并支持导图样式与内容的调整。此外，FlowMind还提供高效的文本到图转换工具，兼容多种导图文件格式，适用于知识整理、教育支持和项目规划等多种场景。
XAIlearn是一个专为自适应学习设计的开源框架，为开发者提供构建个性化AI学习系统的工具。它支持动态调整学习策略，优化教育与训练效果。该框架内置了学习行为评估工具，能够实时提供学习推荐，并兼容多种教育模型框架，适用于教育系统、技能培训和学习研究等多个领域。
Deep Lake 是一个专为AI数据管理设计的开源框架，提供简单易用的API，支持创建、存储和协作处理任何规模的AI数据集。它作为深度学习的数据湖，使用户能够构建、管理、查询、版本控制和可视化数据集。此外，它还支持将数据实时流式传输到PyTorch和TensorFlow等深度学习框架。Deep Lake 还特别优化了多模态数据的存储与查询，进一步提升了模型训练流程的效率。
OpenNMT-py是一个专注于机器翻译的开源框架，为自然语言处理领域提供可靠支持。它以高效的神经网络训练为基础，广泛应用于学术研究和企业开发，帮助用户构建精准的翻译系统。
LLaMA Efficient Tuning 是一个专门用于高效微调大型语言模型的框架，支持PEFT（Parameter-Efficient Fine-Tuning），结合了预训练（PT）、监督微调（SFT）和强化学习人类反馈（RLHF）。该框架采用模块化设计，易于扩展和定制，适用于多种任务和场景。
ZerePy 是一个开源的 Python 框架，旨在帮助开发者快速部署基于 OpenAI、Anthropic 或 EternalAI 的大型语言模型（LLM）AI 代理。它提供了一种灵活且易于扩展的架构，适合各种应用场景，并支持与其他应用的无缝集成，方便开发者进行定制和扩展。
首次在事件级问答推理任务中探索了的可能性，在（Structural Causal Model, SCM）的视角下，创新性地引入了因果干预机制，以增强事件级问答推理模型的鲁棒性和可信性。
Rio是一个完全使用Python编写的Web应用框架，无需JavaScript、HTML和CSS，提供现代声明式UI框架，完全类型安全，支持本地和Web运行，内置50多个常见UI组件，集成现代Python工具链，开源且永久免费。
Semantic Kernel 是一个轻量级的开源框架，通过 Semantic Kernel 您可以快速使用不同编程语言(C#/Python/Java)结合 LLMs(OpenAI、Azure OpenAI、Hugging Face 等模型)构建智能应用。
一个开源框架，专为大型语言模型提供高级推理能力，支持数据生成、策略训练和多种搜索策略，让机器更聪明地理解和解决问题。
Skeet是一个开源的TypeScript无服务器框架，支持各种应用开发，从小型任务到全球全栈扩展。它始终利用TypeScript来实现所需的基本功能和用户界面，无需担心基础设施设计和管理。只需编写代码解决问题，即可准备好全球部署。
Spin 是一个开源框架，用于构建和运行基于 WebAssembly (Wasm) 的事件驱动无服务器应用。Spin 利用 Wasm 的沙盒、安全、可移植和快速特性，使得应用在毫秒级的冷启动时间内运行，无需保持应用“热”状态。
VerifAI的MultiLLM是一个开源框架，通过并行调用多个大型语言模型（LLM）并对其输出进行排名，以找到最佳结果（真实值）。该框架可扩展以支持新的LLM和自定义排名函数，从而评估来自不同LLM的多样化输出。
连续上榜 GitHub Trending 的一款 SQL 生成 AI 框架，允许在你的数据上训练出独有的 RAG（检索增强生成）模型，通过自然语言准确生成 SQL 查询语句和相关功能。
