统一加载和运行文本、视觉、音频、多模态的预训练模型，覆盖推理与训练，省去为每个模型重写代码的麻烦。
基于 Transformers 的 Python 训练库，把文本分类、NER、问答、信息检索、语言生成、多模态和对话 AI 等任务的训练与推理流程统一封装，省去手写训练循环的麻烦。
用 PyTorch 逐行复现 60 多篇深度学习经典论文，代码旁配注释讲解，涵盖 Transformer、优化器、GAN、强化学习等，适合边读论文边对照实现学习。
收录最全的 PyTorch 图像骨干网络合集，涵盖 ResNet、ViT、ConvNeXt 等主流模型，自带训练、评估、推理和导出脚本及预训练权重，省去自己搭网络和找权重的麻烦。
一行代码就能把 GPT 换成任意开源大模型，统一推理 API 支持云端、本地和笔记本部署，覆盖语言、语音和多模态模型。
用 PyTorch 实现的 Vision Transformer（ViT），只需一个 Transformer 编码器就能在图像分类任务上达到 SOTA，代码简洁易读，适合快速复现和二次开发。
把 PDF、图片、音视频等各种格式的数据统一解析成结构化文本，方便直接喂给 GenAI 框架和 RAG 流程使用。
统一评测语言模型少样本能力的框架，支持多种任务和模型，方便横向对比不同模型的性能表现。
一套统一接口搞定 100+ 大语言模型和多模态模型的微调，支持 LoRA 等高效训练方式，省去为每个模型单独写训练脚本的麻烦。
一站式 WebUI，基于 Diffusers 和 PyTorch 统一完成 AI 图像与视频生成、打标和后期处理，省去在多个工具间切换的麻烦。
面向全模态模型的高效推理框架，支持图像、视频、音频生成与多模态模型服务，基于 PyTorch 提供统一的推理与部署能力。
用强化学习训练 Transformer 语言模型的全流程库，覆盖 SFT、奖励建模到 PPO/DPO 等 RLHF 算法，省去自己拼训练管线。
基于 Ray 的高性能 RLHF 训练框架，支持 PPO、DAPO、REINFORCE++ 等算法与 vLLM 推理加速，可扩展地完成大模型和视觉语言模型的对齐后训练。
一站式语义搜索与 LLM 编排框架，把向量检索、RAG 和智能体工作流整合在一起，用 Python 就能搭建基于语言模型的应用。
开箱即用的语音工具包，覆盖流式语音识别、语音合成、声纹识别、语音翻译和关键词唤醒，自带标点恢复与文本前端，适合快速搭建语音推理服务。
面向 LLM、RAG 和真实 AI Agent 应用的深度教程合集，用 Jupyter Notebook 带你从原理到落地跑通完整案例。
一套可复用的计算机视觉工具库，提供目标检测、实例分割、分类等任务的标注处理、指标计算与可视化组件，帮开发者省去重复造轮子的时间。
用一个 Transformer 统一多模态理解与生成，既能看图回答，也能按文字生成图像，省去多模型拼接的麻烦。
统一封装 LoRA、Adapter 等参数高效微调方法的 PyTorch 库，兼容 Hugging Face Transformers，让大模型微调只需改几行代码。
中文语言理解测评基准，提供数据集、基线模型、预训练模型和排行榜，用于统一评估中文 NLU 模型能力。
统一训练通用时间序列预测 Transformer 的开源实现，提供预训练模型与表示学习方案，让不同频率和领域的时间序列共用一套模型完成预测。
把 Spark、scikit-learn 等训练好的机器学习流水线导出成统一格式，脱离原框架直接部署到生产环境做推理。
用 PyTorch 复现 MetaAI 的 Transfusion：在同一多模态模型里同时预测下一个 token 和扩散生成图像，把语言建模与图像扩散统一到一个 Transformer 中。
统一序列并行注意力实现，把 Ulysses 和 Ring Attention 混合成 2D 并行，让长上下文 Transformer 训练和推理能扩展到超长序列。
统一的多模型 LLM 网关，把 Claude、Gemini、DeepSeek 等上游统一接入，提供权重负载均衡、可观测性和调用费用追踪，适合多模型混用场景。