A robotics simulation framework that extends NVIDIA Isaac Lab to support a broader range of algorithms, platforms, and environments, enabling realistic sim‑to‑real development.
يوفر UW Lab بيئة محاكاة متكاملة للروبوتات تعتمد على محرك NVIDIA Isaac Sim، مع إضافة طبقة توسعة تسمح بدمج خوارزميات وأجهزة مختلفة بسهولة. يركز المشروع على modularity و agility، مع تصميم شامل يتيح للمستخدمين إضافة أو تعديل بيئات ومهام دون الحاجة لإعادة بناء النظام. يتميز بوجود مجموعة من البيئات المُحسّنة بصيغة Manager‑Based، مما يسهل إدارة المشروعات وتكرار التجارب. كما يوفر إعدادات جاهزة للانتقال من المحاكاة إلى الواقع، مع تكامل مع أجهزة روبوت حقيقية تم اختبارها مسبقًا. يستهدف الباحثين والمطورين في مجال الروبوتات الذين يحتاجون إلى منصة موحدة لتطوير وتقييم سياسات التعلم الآلي في بيئات واقعية. يحل مشكلة تجزئة الأدوات والبيئات في البحث الروبوتي، ويقلل الوقت اللازم لتجربة خوارزميات جديدة. يميز المشروع بتركيزه على التكامل السلس مع أنظمة التعلم العميق والذكاء الاصطناعي، مع دعم للبيانات العلمية والتوثيق المتكامل.
A Python-based test framework that automates web UI testing with Playwright and generates Allure reports.
يُقدِّم هذا الإطار طريقة منظمة لكتابة وتشغيل اختبارات نهاية إلى نهاية لتطبيقات الويب باستخدام Playwright بلغة بايثون. يدعم المتصفحات Chromium وFirefox وWebKit، ما يتيح تنفيذ الاختبارات عبر متصفحات متعددة بأمر واحد. تُحمَّل متغيّرات البيئة من ملفات .env عبر مكتبة python‑dotenv، ما يجعل التكويد مرنًا للبيئات التطويرية والاختبارية والإنتاجية. يدمج الإطار مع Allure Commandline لإنتاج تقارير اختبار غنية وتفاعلية تتضمن لقطات الشاشة والسجلات. صُمِّم الإطار لمهندسي ضمان الجودة الذين يحتاجون اختبارات متصفح متكررة ومتعددة المنصات دون إدارة حزم المتصفحات يدويًا. يحل المشكلة الشائعة في اختبار واجهات المستخدم اليدوي، ويقلل من الأخطاء البشرية ويزيد من سرعة التكرار. يميز نفسه بتركيب سهل للبيئة عبر ملفات .env، ودعم متعدد المنصات، وتكامل تلقائي مع أدوات التقارير المتقدمة.
A framework that enables developers to build high‑performance, WebAssembly‑first interactive visualizations for the web.
يُقدِّم هذا الإطار أدوات لبناء رسومات تفاعلية تعمل بالكامل في المتصفح، مستفيداً من WebAssembly لتحقيق سرعة وكفاءة عالية. يعتمد على نواة مكتوبة بلغة Rust لتقديم أداء منخفض المستوى، مع ربطها بواجهات Python لتسهيل النمذجة السريعة ومعالجة البيانات. تم دمج مكتبات تعلم الآلة مثل TensorFlow وPyTorch لتمكين المحتوى البصري الديناميكي المستند إلى البيانات. يركز التصميم على القابلية للتوسعة، مما يتيح إضافة شفرات مخصصة أو وحدات تحليلية بسهولة. يستهدف المطورين الأماميين وعلماء البيانات الذين يحتاجون لوحدات عرض تفاعلية في الوقت الحقيقي دون الاعتماد على الخوادم.
A benchmarking framework that evaluates cloud sandbox providers for AI agent workloads.
يقدّم هذا المشروع مجموعة شاملة من المقاييس لتقييم أداء مزودي بيئات الحوسبة السحابية (sandbox) في سيناريوهات عمل لوكالات الذكاء الاصطناعي. يتضمن إطار العمل تسعة بنشماركات تغطي مجالات مثل إدخال/إخراج الملفات، تنفيذ المتزامن، التكرار، والاتصال الشبكي. يستخدم تطبيق Django شبيه بـ Calendly كحمل عمل أساسي، مع اختبارات وحدة مكونة من 29 اختباراً، ويُدرب وكيل reinforcement learning باستخدام خوارزمية REINFORCE. كل مزود (Daytona، E2B، Blaxel، Modal) يتم التعامل معه عبر محرك موحد يتيح إنشاء sandbox، تشغيل الكود، وجمع النتائج في تنسيق موحد. يتم تنسيق التشغيل عبر سكربت `run_parallel_profiled.py` الذي يدير الاختبارات بالتوازي ويجمع تقارير JSON مفصلة. يهدف المشروع إلى مساعدة مطوري السحابة والباحثين في اختيار المزود الأنسب بناءً على معايير الأداء الواقعية. يقدّم تقارير مقارنة شاملة تساعد على فهم الفروق في زمن الاستجابة، سرعة التحميل، ودقة تنفيذ الكود. يميز المشروع بدمجه بين أدوات benchmarking التقليدية ووكيل LLM قادر على توليد الكود، اختبار، وتصحيح الأخطاء تلقائياً.
A JAX-native framework for implementing active inference and learning models.
يقدم هذا الإطار بيئة متكاملة تعتمد على JAX لبناء وتدريب وكلاء الاستدلال النشط. يتضمن مكونات معيارية لتحديد النماذج التوليدية، السياسات، ومحركات الاستدلال، مع تحسينات لتسريع الأداء على وحدات معالجة الرسوميات. يتيح للمستخدمين تجربة التعلم البايزي واتخاذ القرار في ظل عدم اليقين وتقدير الحالات الهرمية ضمن واجهة برمجة تطبيقات موحدة. صُمم لتلبية احتياجات الباحثين والمطورين الذين يحتاجون أداة مرنة وعالية الأداء لتصميم وتقييم خوارزميات الاستدلال النشط بسرعة. يربط بين النماذج النظرية والتنفيذ العملي، مما يحقق تكرار التجارب وإمكانية إعادة إنتاج النتائج بسهولة.
This framework enables task-based parallel execution across multiple processes or nodes, simplifying concurrent programming for Python developers.
يُقدّم هذا الإطار نظامًا خفيفًا وقويًا لتحديد وتنفيذ المهام بالتوازي مع إدارة تلقائية لعمليات العمل وتوزيع العمل وتجميع النتائج مع حد أدنى من الكود الزائد. يعتمد على لغة بايثون ويستفيد من قاعدة بيانات ذاكرة مؤقتة سريعة، ما يتيح تشغيله في بيئات محلية أو موزعة. يركز التصميم على سهولة الاستخدام، بحيث يمكن للمطورين كتابة كود تسلسلي ثم ببساطة تحديد الدوال التي تريد تنفيذها بالتوازي. يحل المشكلات الشائعة في خطوط معالجة البيانات، مثل بطء التنفيذ في العمليات التي تتطلب معالجة مركزية، ويقلل زمن الاستجابة. يتيح للمستخدمين استغلال موارد المعالجة المتاحة بكفاءة، مع الحفاظ على قابلية التوسع عبر العقد المتعددة. كما يدعم التكامل مع أدوات التخزين المؤقت لتقليل زمن الوصول للبيانات. يميز هذا الإطار بمرونته في التعامل مع مجموعات بيانات كبيرة وتعدد المهام مع الحفاظ على استقرار الأداء.
A framework that streamlines the evaluation of large language models in production environments, enabling systematic benchmarking and monitoring on Azure Databricks.
يُقدّم Verdict إطار عمل متكامل لتقييم نماذج اللغة الكبيرة في بيئات الإنتاج، مُصمم للعمل على منصة Azure Databricks. ينسق الإطار عمليات استيراد البيانات، توليد الأسئلة، استدعاء النماذج، وحساب المقاييس في مسار واحد قابل للتكرار. يدعم مجموعة واسعة من مهام التقييم، مثل الإجابة على الأسئلة وتوليد النصوص، مع توفير تقارير مفصلة ومرئيات تحليلية. يدمج مع قواعد بيانات المتجهات لإجراء عمليات البحث بالمقارنة، ويستخدم التحقق من صحة البيانات لضمان الاتساق. يهدف Verdict إلى فرق التطوير والبيانات التي تتطلب تقييمات موثوقة وقابلة للتوسع لأداء نماذج اللغة في بيئة سحابية.
A framework for building AI agents that continuously improve through experience.
يُقدِّم هذا الإطار أدوات لبناء وكلاء ذكاء اصطناعي يتمتعون بقدرة على التعلم المستمر والتطور من خلال الخبرة التي يكتسبونها أثناء التفاعل مع البيئة. يتألف الإطار من مكوّنات معيارية تشمل الإدراك، واتخاذ القرار، وآليات التعلم، ما يتيح للوكيل التكيف مع مهام جديدة دون الحاجة إلى إعادة برمجة يدوية. يدمج الإطار معالجة اللغة الطبيعية، وتعلم التعزيز، ودورات التغذية الراجعة المعتمدة على البيانات، لتفعيل عملية التحسين الذاتي. يستهدف الباحثين في مجال الذكاء الاصطناعي والمطورين الذين يبدعون حلولاً أتمتة ذكية، ويحل مشكلة إنشاء وكلاء يمكنهم التطور مع تغير الظروف. من خلال تجريد خطوط الأنابيب التعلمية المعقدة، يسرّع الإطار التجريب والتطبيق السريع لحلول الذكاء الاصطناعي المتكيفة.
A customizable ERP framework that models business operations as programmable processes, enabling automated workflow execution and dynamic resource planning.
يُقدِّم هذا الإطار حلاً متكاملاً لإدارة موارد المؤسسات مبنيًا على Django، ويشمل تصميمًا ثلاثي الطبقات: طبقة التصميم الميتا‑نموذجية، ومحرك سير العمل التنفيذي، وطبقة التطبيق لتطبيق النماذج المخصصة. يتيح للمستخدمين تعريف الكيانات التجارية، والخدمات، وأنواع الموارد عبر واجهة تكوين بدون كود، ثم يُنشئ النماذج، والنماذج الديناميكية، والقوائم تلقائيًا أثناء التشغيل. يدير طبقة التنفيذ حالات العمليات، ويجدول المهام استنادًا إلى الأحداث وقيود الموارد، ويقيم القواعد التجارية عبر محرك القواعد. يدعم التكامل مع PostgreSQL وRedis لتخزين البيانات والتخزين المؤقت، ويمكن توسيعه مع Celery للمهام الخلفية. يستهدف مهندسي البرمجيات المؤسسية والمطورين، ويحل مشكلة بناء وحدات ERP مخصصة من الصفر، ويقلل زمن التطوير ويزيد من شفافية العمليات.
This framework proactively reduces communication overhead in moving object tracking by triggering updates based on predicted uncertainty rather than waiting for error thresholds.
يُقدِّم النظام إستراتيجية اتصالات استباقية لتتبع الأجسام المتحركة، حيث يُستخدم تقدير عدم اليقين من نماذج التنبؤ لتحديد متى يجب إرسال التحديثات. يدعم الإطار عدة هياكل عصبية—LSTM وTransformer—مُتَّحَدَّة مع رؤوس تنبؤ نقطية أو مزيج كثافة لتوفير تقدير أكثر ثراءً لعدم اليقين. محرك المحاكاة يُنفِّذ سيناريوهات تنبؤ مزدوجة لتقييم تأثير التحديثات المبكرة على دقة التتبع ضمن ميزانية اتصالات ثابتة. صُمِّم الإطار للباحثين ومهندسي البرمجيات الذين يحتاجون إلى موازنة قيود النطاق الترددي مع الدقة المكانية في التطبيقات اللحظية. يتضمن الإطار استراتيجيات قابلة للتكوين، خطوط تدريب، وأدوات تقييم لمقارنة الأساليب الدورية، التفاعلية، والاستباقية. يهدف إلى خفض الخطأ التراكمي في التتبع مع الحفاظ على عدد الإرساليات في أدنى حد ممكن.
Patchscopes is a framework that decodes specific information from hidden representations of large language models by inserting a tailored prompt during inference.
يُقدّم إطار Patchscopes طريقة موحدة لتحليل وتفسير التمثيلات المخفية داخل نماذج اللغة الكبيرة. يتيح الإطار استخراج معلومات محددة من حالة النموذج عن طريق إدراج موجه مُصمم خصيصاً أثناء عملية الاستدلال. يمكن استخدامه في مهام متعددة مثل التنبؤ بالرمز التالي، استخراج السمات، معالجة الكيانات، التلاعب عبر نماذج مختلفة، وتصحيح الاستدلال متعدد الخطوات. يعتمد الإطار على تقنيات معالجة النصوص والذكاء الاصطناعي لتوفير واجهة سهلة الاستخدام للباحثين والمهندسين. يسهّل مقارنة التمثيلات بين نماذج مختلفة أو بين موجهات مختلفة، مما يساهم في فهم أعمق لكيفية عمل النماذج. كما يدعم الإطار نماذج معروفة مثل Vicuna‑13B، ويتيح توسيع نطاق التحليل إلى نماذج أخرى بسهولة. يهدف Patchscopes إلى تمكين الباحثين من كشف الأنماط الخفية وتحسين جودة النماذج من خلال تحليل دقيق للتمثيلات الداخلية.
A framework for quantitative research and backtesting of value dividend strategies in the Chinese A-share market.
يُقدّم LazyBull إطار عمل مبني على لغة بايثون يتيح للباحثين تصميم واختبار وتقييم استراتيجيات القيمة والتوزيعات في سوق الأسهم الصيني A-share. يدمج الإطار معالجة البيانات، التحليل الإحصائي، التعلم الآلي، والتعلم العميق لتوفير بيئة شاملة لتطوير الاستراتيجيات. يمكن للمستخدمين استيراد بيانات الأسعار والبيانات الأساسية التاريخية، بناء مجموعات ميزات، تدريب نماذج تنبؤية، وتشغيل اختبارات خلفية مع تكاليف معاملة واقعية. يُخرج الإطار مقاييس الأداء، تشخيصات المخاطر، وتصورات تساعد على تحسين منطق الاستراتيجية. يستهدف الإطار المحللين الكميين والباحثين الذين يحتاجون إلى أداة مرنة وشاملة لاستكشاف استراتيجيات الاستثمار القائم على القيمة والتوزيعات.
A framework that enforces governance policies on LLM-driven agent-based models.
يقدم هذا الإطار أدوات لتحديد سياسات الحوكمة وتطبيقها على وكلاء الذكاء الاصطناعي الكبير. يتيح للمطورين تعريف قواعد واضحة للقرارات التي يتخذها الوكيل، مع إمكانية ربطها بمصادر بيانات خارجية. يعتمد على مكتبة FastAPI لتوفير واجهة برمجة تطبيقات تسمح بالتحكم في سلوك الوكيل عبر نقاط النهاية. يدعم تحليل السجلات باستخدام Pandas وMatplotlib لتتبع الأداء والامتثال. يركز على حماية الخصوصية والامتثال للمعايير التنظيمية، مع توفير تقارير تدقيق شاملة. يختلف عن الحلول التقليدية بدمجه بين نماذج اللغات الكبيرة وإدارة السياسات في بيئة قابلة للتوسع. يستهدف المطورين والباحثين الذين يحتاجون إلى أطر عمل موثوقة لضمان سلوك آمن وشفاف للوكيل.