上海AgiBot公司突破工业自动化技术，仅需10分钟即可教会机器人完成复杂制造任务。该技术融合人机远程操作与强化学习，工人先远程引导，AI系统随后接管优化，实现自我改进，有望重塑全球制造业生产方式。
清华大学等高校联合推出MotionTrans框架，实现机器人仅通过观察人类动作就能学习新技能，无需示范。这突破了传统依赖大量演示数据的高成本训练方式，显著提升机器人学习效率。
智元机器人在程序员节推出“灵创”平台，主打零代码、零门槛的人形机器人内容创作。用户无需编程基础，上传人类动作视频即可通过AI动作捕捉和云端模仿学习，让机器人精准复现动作，实现简易机器人“导演”体验。
全球领先的存储软件公司Scality升级AI生态认证计划，现已覆盖20多种关键AI和机器学习工具及框架。该计划基于其网络弹性存储架构，旨在确保工具互操作性，提升数据安全与应用效率，应对AI快速发展需求。
一款基于机器学习的工具，可根据提示快速生成原创说唱歌词。
行业领先的音频修复与增强工具。
DeepPDF是一个AI研究助手，用于深度学习PDF文档，提供聊天、摘要、翻译比较以及关键术语、图片和公式分析功能。
MagicaLCore是一款能够在iPad上进行机器学习工作的应用。
databricks
-
Input tokens/M
Output tokens/M
32.8k
Context Length
meta
4.1k
QuantFactory
MachineLearningLM-7B-v1是基于Qwen/Qwen2.5-7B-Instruct在数百万合成表格机器学习任务上持续预训练的大语言模型，专门针对表格分类任务优化，支持8到1024个示例的少样本上下文学习。
jclinton1
Diffusion Policy 是一个基于扩散模型的策略学习框架，适用于机器人控制任务。
mbreuss
FlowerVLA是一个针对CALVIN ABCD数据集预训练的机器人操作模型，采用创新的视觉-语言-动作流策略，仅包含10亿参数，专为机器人学习设计。
michaelyuanqwq
RoboEngine是首个即插即用的视觉机器人数据增强工具包，用户只需几行代码就能生成具有物理和任务感知能力的机器人场景，解决了现有方法受相机校准或受控环境限制的问题，显著提升了模仿学习的视觉鲁棒性。
cortexso
Deepscaler是一款基于DeepScaleR-1.5B-Preview开发的高级AI模型，专注于提升机器学习任务的效率与可扩展性。该模型提供高质量的预测分析和数据处理能力，适用于自然语言处理、计算机视觉等复杂场景，在金融、医疗和娱乐等行业有广泛应用。
roychowdhuryresearch
专为神经信号中高频振荡（HFOs）分类设计的机器学习模型，用于癫痫和脑功能研究。
一套专为神经信号中高频振荡（HFOs）分类设计的机器学习模型，用于癫痫和脑功能研究。
google
Derm Foundation是一种机器学习模型，旨在加速皮肤病学应用中皮肤图像分析的AI开发。
CXR基础模型是一种专为胸部X光图像分析优化的机器学习模型，通过预训练生成嵌入向量，加速AI开发。
Path Foundation是一个用于组织病理学应用的机器学习模型，通过自监督学习训练，能够从H&E染色切片中生成384维嵌入向量，用于高效训练分类器模型。
WestlakeNLP
CycleResearcher是基于强化学习与迭代反馈的自动化研究系统，专为机器学习研究训练，涵盖计算机视觉、自然语言处理等领域。
robotics-diffusion-transformer
RDT-170M是一个拥有1.7亿参数的模仿学习扩散Transformer模型，用于机器人视觉-语言-动作任务。
theaiinstitute
忒伊亚是一个面向机器人学习的视觉基础模型，通过蒸馏多个视觉基础模型获得丰富的视觉表征能力
mihdalal
基于机器学习的机器人操作任务运动规划系统，结合神经网络与优化技术生成无碰撞运动轨迹
jimyoung6709
基于机器学习的机器人操作任务运动规划系统，结合神经网络与优化技术生成高效无碰撞轨迹
基于机器学习的机器人操作任务运动规划系统，结合神经网络与轻量级优化技术生成高效无碰撞轨迹
基于100万+多机器人操作数据预训练的10亿参数模仿学习扩散Transformer模型，支持多视角视觉语言动作预测
忒伊亚是面向机器人学习的视觉基础模型，通过蒸馏多个现成的视觉基础模型构建，具有丰富的视觉表征能力。
忒伊亚是面向机器人学习的视觉基础模型，通过蒸馏多个现成的视觉基础模型而成，具有丰富的视觉表征能力。
该项目通过Model Context Protocol (MCP)为MLflow提供自然语言交互界面，使用户能用英语查询和管理机器学习实验与模型，包含服务端和客户端组件。
线性回归MCP项目展示了使用Claude和模型上下文协议（MCP）的端到端机器学习工作流程，包括数据预处理、模型训练和评估。
该项目提供了一套完整的MCP服务器构建指南，用于部署训练好的随机森林模型，并与Bee框架集成实现ReAct交互功能。
Groundlight MCP服务器是一个用于创建和管理图像检测器的服务，支持多种检测模式，包括二分类、多分类和计数功能，并提供图像查询和结果获取接口。
YouTube MCP是一个基于AI的解决方案，旨在通过机器学习技术提升YouTube内容交互体验，支持视频搜索、字幕获取及语义搜索等功能，无需官方API。
这是一个为Scikit-learn模型提供标准化接口的MCP服务器，支持模型训练、评估、数据预处理及持久化等功能。
该项目展示了使用Claude和模型上下文协议(MCP)进行端到端机器学习工作流的线性回归模型训练。用户只需上传CSV数据集，系统即可自动完成数据预处理、模型训练和评估(RMSE计算)全流程。
一个兼容MCP协议的服务器项目，通过ASE、pymatgen和机器学习原子间势能（MLIPs）提供原子尺度模拟功能，目前正在积极开发中。
Allora MCP服务器是一个基于Model Context Protocol（MCP）的实现，提供从Allora网络获取机器学习推理数据的功能，使AI系统能够无缝访问Allora预测市场数据。
该项目通过自然语言接口为MLflow提供模型上下文协议(MCP)服务，简化机器学习实验和模型的管理与查询。
OpenML MCP服务器是一个通过MCP协议提供OpenML API访问的工具，允许用户直接从MCP兼容客户端（如Claude Desktop）查询数据集、任务、流程等机器学习资源。
MCP-DeanMachines项目摘要
该项目为IDA Pro的MCP（机器代码处理器）提供文档和实用工具，旨在帮助开发者学习MCP的使用，并实现IDA Pro的自动化脚本。
Statsource MCP Server是一个提供统计分析和机器学习预测功能的模型上下文协议服务器，支持多种数据源接入和多样化统计计算。
Cloudera ML模型控制协议(MCP)是一个Python工具包，提供与Cloudera机器学习平台集成的功能，包括文件管理、作业调度、模型管理和实验跟踪等服务。
Gguf%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
