Apprentissage automatique · GitHub

La GUI, l'API et le backend les plus puissants et modulaires pour les modèles de diffusion, avec une interface de graphes et de nœuds. Le moteur d'inférence local le plus rapide au monde.

• A visual node graph for building and reusing image, video, audio, 3D, and text workflows without code.
• Reusable subgraphs, workflow templates, App Mode, and a local API for integrating workflows into applications.

A small, fast decision model, or system one model, for agentic workflows. Pick between options or rate on a scale faster than an LLM, with a calibrated confidence on every decision.

• Model routing — pick the right LLM for a task
• Tool selection — decide which tool an agent should call next

Exécute l’inférence de Kimi K3, un modèle de 2,78 billions de paramètres, sur un seul processeur avec 8,24 Go de mémoire vive. C99 portable : sans BLAS, framework ni GPU.

VoxCPM2 : TTS sans tokeniseur pour la génération vocale multilingue, la conception créative de voix et le clonage de voix fidèle à la réalité

• 🌍 30-Language Multilingual — Input text in any of the 30 supported languages and synthesize directly, no language tag needed
• 🎨 Voice Design — Create a brand-new voice from a natural-language description alone (gender, age, tone, emotion, pace …), no reference audio required

YuE2 : génération musicale de pointe avec planification symbolique, reprises en zero-shot et édition musicale par agents.

• Lyrics + style → score → full song - Source recording → melody score → a new interpretation - Musical feedback → score, style, or lyric revisions → a new recording
• Listen and inspect the score - Hear zero-shot covers - Follow an editing conversation

🤗 Transformers : le framework de définition de modèles pour les modèles d'apprentissage automatique de pointe en texte, vision, audio et multimodal, pour l'inférence et l'entraînement.

• High performance on natural language understanding & generation, computer vision, audio, video, and multimodal tasks.
• Low barrier to entry for researchers, engineers, and developers.

Tenseurs et réseaux de neurones dynamiques en Python avec une forte accélération GPU

Moteur de décision System 1 non autorégressif. Effectue en une seule passe avant des décisions typées de choix, de score et oui/non sur n’importe quel texte, dans plus de 100 langues, avec un routeur qui sélectionne le checkpoint adapté à chaque requête.

Affinez des LLM à partir d’un seul fichier YAML. Le streaming par couches permet d’entraîner un modèle 8B sur un GPU de portable doté de 4 Go.

ARIS ⚔️ (Auto-Research-In-Sleep) — Compétences légères rédigées uniquement en Markdown pour la recherche autonome en ML : boucles de revue entre modèles, découverte d’idées et automatisation des expériences. Sans framework ni dépendance à un fournisseur, le projet fonctionne avec Claude Code, Codex, OpenClaw ou n’importe quel agent LLM.

• 📊 87 composable skills — mix and match, or chain into full pipelines (/idea-discovery, /auto-review-loop, /paper-writing, /research-pipeline). See full catalog →
• 🔍 Literature & novelty — multi-source paper search (Zotero + Obsidian + local PDFs + arXiv/Scholar) + cross-model novelty verification

Dive into Deep Learning : pour les lecteurs sinophones, exécutable et ouvert à la discussion. Les éditions en chinois et en anglais sont utilisées pour l'enseignement dans plus de 500 universités de plus de 70 pays.

Ultralytics YOLO27, YOLO26, YOLO11 et YOLOv8 pour la détection d'objets, la segmentation d'instances, la segmentation sémantique, la classification d'images, l'estimation de pose et le suivi d'objets.

Plateforme de données ouvertes pour les analystes, les quants et les agents d'IA.

FinceptTerminal est une application financière moderne qui propose des analyses avancées des marchés, de la recherche en investissement et des outils de données économiques, conçue pour l’exploration interactive et la prise de décision fondée sur les données dans un environnement convivial.

Qlib est une plateforme d’investissement quantitatif orientée IA qui vise à mettre les technologies d’IA au service de la recherche quantitative, de l’exploration d’idées jusqu’à leur mise en production. Qlib prend en charge divers paradigmes de modélisation en apprentissage automatique, notamment l’apprentissage supervisé, la modélisation de la dynamique des marchés et l’apprentissage par renforcement (RL), et intègre désormais https://github.com/microsoft/RD-Agent pour automatiser le processus de R&D.

Systèmes d’apprentissage automatique : fondements, passage à l’échelle, IA agentique et IA physique (vol. I–IV) • Harvard CS249r | https://mlsysbook.ai

12 semaines, 24 leçons, l'IA pour tous !

Un framework pour l’inférence efficace avec des modèles omnimodaux

MNN : un moteur d’inférence ultrarapide et léger, éprouvé en production par Alibaba, qui prend en charge des LLM haute performance sur appareil et l’IA en périphérie.

Le chemin le plus rapide vers l'observabilité full stack pilotée par l'IA, même pour les équipes réduites.

• Real-Time - Per-second data collection and processing - Works in a beat – click and see results instantly
• Zero-Configuration - Automatic detection and discovery - Auto-discovers everything on the nodes it runs