DoorDash推出Tasks应用，让800万外卖员在送餐之余完成简单数字任务赚取外快。其核心目的是利用骑手采集真实物理世界数据，解决AI模型训练中的长尾场景难题，为AI发展提供关键支持。
微软推出AI系统Copilot Tasks，通过云端自动化处理行政工作，不占用本地资源。用户用自然语言下达指令，即可实现跨应用任务处理，提升工作效率。
微软推出Copilot Tasks，将AI助手升级为能自主执行任务的“代理”。它通过自然语言处理，从邮件、聊天和会议记录中提取信息，自动生成并执行待办事项，实现任务规划与完成的闭环。
微软正测试Windows11任务栏新功能，包括AI助手“Taskbar Companion”和“Composer”选项，旨在提升用户与智能体的互动体验。相关实验性功能信息近期陆续曝光，引发广泛关注。
每天完成3件事情，消除焦虑！
Taskek 利用人工智能帮助团队推进工作。
在 ChatGPT 中自动化工作流程，设置定时任务，提高工作效率。
批量运行ChatGPT任务
dleemiller
FineCat-NLI Large是基于tasksource/ModernBERT-large-nli模型微调的自然语言推理模型，在高质量的FineCat-NLI数据集上训练，结合了多个优秀模型的优势，在NLI任务中表现出色，同时保持了ModernBERT架构的高效特性。
Ricky06662
VisionReasoner是基于强化学习的统一视觉感知与推理模型，通过强化学习框架将视觉感知和推理任务整合到一个统一的系统中，为视觉领域的复杂任务提供了创新的解决方案。
sathyasrig
该模型是一个基于Transformers库的模型，具体用途和功能需要进一步信息确认。
MichielPronk
该模型专门为SemEval 2025 Task3: Mu-SHROOM竞赛任务微调，用于识别大语言模型输出中的幻觉文本片段。
tasksource
基于ModernBERT-large模型，通过多任务微调优化的自然语言推理模型，在零样本分类和NLI任务上表现优异。
ModernBERT 是一个在多任务源的自然语言推理（NLI）任务上微调的模型，擅长零样本分类和长上下文推理。
基于DeBERTa-v3-base模型，上下文长度扩展至1280，并在tasksource数据集上进行了25万步的微调，专注于自然语言推理和零样本分类任务。
基于DeBERTa-v3-small模型，扩展上下文长度至1680标记，在tasksource数据集上微调，适用于长文本自然语言推理任务
taskload
由Henry Leonardi领导的Taskload团队开发的因果提取模型，用于自动化信息抽取任务。
finiteautomata
基于BETO架构的西班牙语情感分析模型，使用TASS 2020 Task 2语料库训练
Godspeed MCP是一个用于连接Godspeed任务管理API的模型上下文协议工具，支持任务和列表的全面管理。
TaskBoardAI是一个轻量级、基于文件的看板工具，专为AI代理设计，支持JSON文件存储和MCP服务器集成，提供丰富的看板管理功能。
一个集成Linear任务管理和TrackingTime时间追踪的MCP服务，通过自然语言自动化工作流程。
一个基于TypeScript的MCP服务器，用于管理Google Tasks，提供任务创建、列表、删除、更新和状态切换功能，支持与LLM或其他应用集成。
基于Model Context Protocol(MCP)的智能任务管理系统，为AI代理提供高效编程工作流框架，具备任务规划、分解、依赖管理、验证和记忆等功能。
一个与AI代码编辑器集成的MCP服务器，通过Gemini 2.5的百万token上下文窗口和任务管理功能，优化Cursor的代理能力。
TaskNote Bridge是一个原生macOS Swift应用，实现了完整的MCP协议服务器，用于Things 3和Apple Notes的AI助手集成。
基于TypeScript的任务管理API服务，实现MCP协议，支持双模式运行
一个基于MCP协议的任务编排和管理服务器，能够将目标分解为可管理的任务并跟踪进度，支持任务层级结构和依赖管理。
WooCommerce MCP Server是一个用于将WooCommerce商店与AI助手和任务管理系统（如Task Master）集成的中间件服务，提供双向数据同步、内容管理和API集成功能。
一个为Cursor AI设计的Todoist集成MCP服务器，实现编码环境中直接管理任务
任务门户系统是一个自我演进的通用问题解决机构，具备逻辑推理、伦理框架、序列思考和元框架等核心组件，能够安全地自我进化并解决复杂问题。
为Cursor AI开发的Todoist集成MCP服务器，实现编码环境直接管理任务
一个为Taskfile/go-task设计的模型上下文协议(MCP)服务器，支持通过AI代理运行开发任务。
一个集成了AI驱动任务管理和深度研究功能的Python系统，支持复杂项目分解、任务生成和自动化研究。
MCP任务管理器是一个AI任务管理工具，支持多步骤任务规划、进度跟踪和用户审批，适用于结构化AI任务处理。
一个基于终端的任务跟踪应用，采用三窗格布局管理任务和项目计划，支持任务创建、编辑、删除及项目步骤管理，提供API和命令行接口。
AI专家工作流MCP是一个基于OpenRouter API的模型上下文协议服务器，通过产品经理、UX设计师和软件架构师三个AI专家角色，提供从产品规划到技术实现的完整工作流解决方案。项目支持独立生成PRD文档，也可与Task Master集成进行任务管理。
一个为TaskWarrior提供MCP协议的Node.js服务器，支持任务查看、添加和完成操作。
MCP TaskManager是一个基于队列的任务管理系统，为Claude Desktop等MCP客户端提供任务规划、执行和完成反馈的功能。
Sentence-transformers英语%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)
