# 机器学习
50 个相关产品 · 中文解读 · 按热度排序
截至 2026-09-20,KanonAgent 库内有 50 个带「机器学习」标签的 AI agent 与工具,本页按真实热度排序。标签由中文拆解自动归纳,不是人工打的;数据可经公开 API 复核。
Adala
自主数据标注代理框架，让AI自动完成数据标注任务，提升机器学习数据准备效率。
aideml
一个自动化AI研发的机器学习工程代理，能自主探索代码空间，推动AI研究与实验，适合AI工程师加速模型迭代。
auto-deep-researcher-24x7
一个自主运行的 AI 代理，能 24/7 自动执行深度学习实验，支持零成本监控和恒定内存，适合长期研究。
Reflexio
Reflexio 让 AI agent 通过行为学习持续优化自身表现，实现自我进化，适合需要长期迭代的 AI 应用开发者
Freesolo Flash
一个用于训练小型语言模型的全栈平台，简化从数据准备到模型部署的全流程，适合希望低成本微调LLM的开发者和研究者
I RL-trained an agent that trains models with RL (for ~$1.3k)
使用强化学习训练一个智能代理，自动优化模型训练流程，仅花费 1.3 千美元就完成模型调优，适用于 AI 研究者和机器学习工程师。
autoresearch
一个在单GPU上自动运行纳米级聊天模型训练与研究的AI代理，由Andrej Karpathy团队开发，适合AI研究者和开发者快速实验模型训练流程。
Watch 14-Byte AI "brains" attempt to solve a 2D maze (Its hard)
用仅14字节的微型AI“大脑”尝试解决二维迷宫问题，展示极简AI的推理能力
Language Model Builder (an app to learn about and build models)
一个用于学习和构建语言模型的应用程序，通过交互式界面降低大模型开发门槛，适合想深入理解模型原理的开发者与AI学习者
Symbio self fine-tuning AI loop
自研AI循环微调系统，实现模型在真实使用中持续优化，提升AI应用的长期适应性
Datapoint – API for Human Preference Data
提供人类偏好数据的API，帮助AI模型训练更符合人类真实偏好的行为，解决AI输出与用户真实需求脱节的问题，适合AI训练与评估团队。
OrchestraML
输入自然语言需求和数据集，AI 多代理自动完成机器学习全流程，包括数据清洗、特征工程、模型训练与评估，降低 ML 入门门槛。
Chousorus
一个由独立开发者打造的AI实验自动化系统，能自主设计、执行、评估并迭代机器学习实验，帮助数据科学家提升研发效率
VinvAI – Ties runtime trace to code segment, prevents reward hacking
VinvAI 将运行时行为与代码段关联，防止 AI 在训练中通过漏洞获取不当奖励，提升 AI 模型的可靠性。
Growth-Ratio Energy Function as Leading Indicator of Agent Task Failure
提出一种用于预测AI代理任务失败的领先指标——能量函数模型，为AI系统稳定性研究提供新方法。
Mousecrack – Teaching an LSTM to move a mouse like a human
用 LSTM 模型训练鼠标移动行为，模拟人类操作，用于反自动化检测或人机交互研究
Reconstruct distributed LLM training traces
重构分布式大模型训练日志，帮助研究人员分析训练过程中的通信与计算瓶颈，适合AI科研团队与工程优化人员
WhyLab
WhyLab 是基于 GPT-6 Astra 构建的 AI 故障调查工具，帮助数据科学家自动分析模型预测异常，通过假设验证与实验定位根因并提出修复建议。
Respect the Oracle – An agent skill that stops agents from overfitting
一种防止AI代理过度拟合的智能策略，提升AI决策的泛化能力与稳定性
Growth-Ratio Energy Function as Leading Indicator of Agent Task Failure
一种用于预测AI智能体任务失败的新型能量函数模型，通过量化任务执行中的不确定性来提前预警，适用于AI系统稳定性优化，供研究人员和AI工程师使用。
Weight Scope, watch and modify training of Deep Nets in real-time [video]
实时监控并修改深度神经网络训练过程的工具，支持动态调整权重与训练参数，提升模型调优效率。
Pulse
可视化机器学习训练过程中的张量和梯度，用实时热图呈现，并通过AI识别训练失败（如NaN损失）的根本原因，全部在CPU上运行。
Benchgen
面向AI代理开发者的开放平台，提供基准测试和强化学习环境，支持完整代理系统（模型+执行框架）的可验证评估。
Cognitra
无需代码的AI解决方案平台，用户用自然语言描述问题，AI代理自动完成建模、训练并部署为可调用的API服务。
Weightslab
一个让开发者在黑箱与白箱模型之间自由权衡的建模平台，强调在模型可解释性与开发效率之间取得平衡，避免反复迭代
ReOpenly
专为小语言模型设计的端到端平台，可针对特定任务微调小型开源模型，在保证性能的同时大幅降低成本并避免厂商锁定。
ml-explore/mlx-swift-lm
基于 MLX 的 Swift 大模型与视觉语言模型实现，让开发者能用 Swift 直接运行和部署 LLM/VLM，推动 AI 在 Apple 生态的落地。
THUDM/slime
一个面向大语言模型的强化学习后训练框架，用于提升LLM在复杂任务中的表现，适合AI研究者与LLM开发者。
Respect the Oracle – An agent skill that stops agents from overfitting
Respect the Oracle 是一种 AI 代理的新型技能机制，通过限制代理过度依赖训练数据来防止过拟合，提升其在真实场景中的泛化能力。
I RL-trained an agent that trains models with RL (for ~$1.3k)
用强化学习训练强化学习模型的智能体，实现自动调参与模型优化，成本仅1.3千美元，适合AI研究者与ML工程师
Datapoint – API for Human Preference Data
Datapoint 是一个用于获取人类偏好数据的 API，帮助 AI 研究者和开发者训练更符合人类价值观的模型，特别适合强化学习与对齐研究。
PrimeIntellect-ai/prime-rl
Prime-RL 是一个面向大规模智能体强化学习训练的框架，支持复杂智能体行为建模与分布式训练，适用于 AI 研究者和机器人开发团队。
thinking-machines-lab/tinker-cookbook
Tinker 的后训练教程，帮助开发者微调 AI 模型以适应特定任务，适合希望提升模型表现的 AI 研究者与工程师。
Freeze the Model, Train the Harness
一种AI模型训练新范式：冻结模型参数，仅训练控制逻辑（Harness），实现高效、安全的AI代理行为定制，适合希望快速迭代AI行为而避免灾难性遗忘的团队。
SyntheticRows
基于AI的合成数据生成工具，能将小规模CSV数据集智能扩展为更大更真实的训练数据集，支持公平评估模型性能
Active inference world models: From finding a mug to making tea
基于主动推理的世界模型研究，探索智能体如何通过预测和行动完成从找杯子到泡茶的复杂任务，推动通用人工智能的具身认知研究。
Growth-Ratio Energy Function as Leading Indicator of Agent Task Failure
提出一种基于“增长比率能量函数”的新指标，可提前预测 AI 代理在执行任务时的失败风险，提升智能体系统的稳定性。
GitHub
GitHub 推出的 AI 机器学习项目，聚焦于代码生成与智能开发辅助，为开发者提供基于 AI 的编程增强能力
Calibra: Train with Less Data
Calibra 是一个轻量级训练框架，可在极少数据下高效训练模型，适合资源有限的开发者和小团队，亮点是通过智能数据增强与参数优化实现低样本学习。
Calibra: Train with Less Data
Calibra 是一个机器人策略训练平台，能在减少75%数据需求的情况下训练出高效机器人行为，降低AI训练门槛。
vectorize-io/hindsight
Python 实现的智能代理记忆系统，能持续学习并优化 AI 代理行为，让 AI 具备长期记忆与上下文理解能力
A walkable 3D tour of a feedforward neural net
通过3D可视化方式直观展示前馈神经网络的内部运作过程，让机器学习模型的决策路径变得可步行探索
Auto-train the harness, not the LLM. cross-model, cross-benchmark gains
一种新型LLM训练方法，通过自动优化测试用例（harness）而非直接训练模型，实现跨模型、跨基准的性能提升，适合AI研究者与ML工程师
I forked an agent stack and measured myself against it, losses included
对一个智能代理栈进行自我复现与性能对比实验，完整记录训练过程中的损失变化，用于研究模型行为与自我改进能力。
Teaching a Neural Net to Fight
用神经网络训练AI模拟格斗对战，探索AI在策略对抗与行为生成中的创新应用，兼具趣味性与技术深度。
An Autonomous Agent for Slay the Spire
一个为《Slay the Spire》设计的自主 AI 游戏代理，能自动运行游戏、学习策略并优化卡组，适合游戏 AI 研究者和硬核玩家探索最优玩法。
MiniCPM5-2B
轻量级本地化AI模型（2B参数），专为设备端运行设计，具备类人交互能力，适合边缘计算场景
iamaisim/ProjectAirSim
微软推出的AirSim进阶版仿真平台，用于训练和测试自动驾驶、无人机等智能系统的高保真虚拟环境。
Fugu Max and Fugu Ultra v2: Orchestrating the Pareto Frontier
Fugu系列AI模型的最新版本，聚焦在性能与效率的帕累托最优平衡，适合追求极致AI推理效率的开发者。
lepoch
一个支持用自有数据微调并部署AI模型的工具，让开发者和企业无需复杂工程即可实现私有化AI应用。
其他标签
常见问题
「机器学习」这个标签是怎么归的?
标签来自每个产品的中文拆解(解决什么场景、面向谁),由模型从产品自述里归纳,不是人工逐条打的,也不接受付费打标。
这里的排序依据是什么?
按库内真实热度:投票数 / MRR / 增速,取产品实际有的那个。不是编辑推荐,也不卖位置。
数据多久更新?
追踪持续进行(分钟级),本页于 2026-09-20 生成。全部数字可经公开只读 API 复核:https://kanonagent.com/data