Deep Learning

PaddlePaddle は、コアフレームワーク、モデルライブラリ、エンドツーエンドの開発ツールを提供する包括的な産業用 deep learning プラットフォームです。動的グラフと静的グラフの統合、自動並列化、科学計算のための高階微分といった高度な機能をサポートしています。このプラットフォームは、多様な産業分野における大規模なモデルのトレーニングと推論を促進するように設計されています。

DeepGEMM は、最新の LLM に最適化された高性能な Tensor Core カーネルを提供する統合 CUDA ライブラリです。インストール時の CUDA コンパイルを不要にする軽量な Just-In-Time コンパイルモジュールを備えています。FP8、FP4、BF16 の GEMM や、fused MoE および MQA スコアリングなど、多様な行列演算において専門家が調整したパフォーマンスを実現します。

PaddleFormers は Baidu PaddlePaddle フレームワーク上に構築された Transformers ライブラリであり、Hugging Face と同等の Large Language Models および Vision-Language Models 向けの学習インターフェースと機能体験を提供します。Tensor parallelism、Pipeline parallelism、および Automatic mixed precision を統合することで、主要モデルにおいて Megatron-LM を凌駕する学習パフォーマンスを実現しました。さらに、国内のコンピューティングチップを完全にサポートし、Safetensors 形式と互換性があるため、開発者は Pre-training から Post-training までの全プロセスを効率的に完了できます。

ROLL は、大規模な GPU クラスター全体で LLM の強化学習ワークフローを拡張するために設計された、効率的で使いやすいライブラリです。RLVR、エージェントによる対話、蒸留など多様な学習パラダイムをサポートし、Megatron-Core、vLLM、SGLang といった高度なバックエンドを統合しています。複雑な推論や人間の好みへの調整タスクにおいて、パフォーマンスを向上させるための堅牢な可観測性と柔軟なリソース管理を提供します。

RTP-LLM は Alibaba Foundation Model Inference チームによって開発された高性能な LLM 推論アクセラレーションエンジンです。このエンジンは Taobao や Tmall といった Alibaba の多様なビジネスシナリオで広く活用されており、主要なモデルフォーマットやハードウェアバックエンドをサポートしています。高度なオペレーター最適化、量子化技術、分散推論機能を統合することで、大規模言語モデルに対して効率的なプロダクションレベルのサービスを提供します。

Index-AniSora は、高品質なアニメ動画生成とアニメーション制作のために設計された強力なオープンソースフレームワークです。このシステムは、包括的なデータ処理パイプライン、時空間マスキングを備えた制御可能な生成モデル、および専門的な評価ベンチマークを特徴としています。キャラクターの 3D 生成、動画のスタイル変換、正確なモーション制御のためのマルチモーダルガイダンスなど、多様なクリエイティブタスクをサポートします。

TorchEasyRec は、本番環境向けのディープラーニング推薦モデルを開発するために設計された PyTorch ベースのフレームワークです。候補生成、ランキング、マルチタスク学習、生成型推薦など、幅広いタスクをサポートしています。このフレームワークは、高いスケーラビリティ、柔軟なデータソース統合、そして実運用環境へのシームレスなデプロイオプションを提供します。

PaddleCustomDevice は PaddlePaddle フレームワークが提供するカスタムハードウェア統合ソリューションです。標準化されたインターフェース設計を通じて、開発者は様々なサードパーティ製ハードウェアバックエンドを PaddlePaddle エコシステムに統合できます。現在は Ascend、Cambricon、Intel GPU、Apple MPS を含む主要なハードウェアプラットフォームをサポートしています。

JaQMC は、ニューラルネットワークを用いた量子モンテカルロシミュレーションを実行するために設計された、モジュール式の JAX ベースのフレームワークです。深層ニューラルネットワークを変分波動関数として利用し、従来の基底関数系に依存することなく電子の Schrödinger 方程式を解きます。本プロジェクトは、高度に構成可能で拡張性の高いアーキテクチャを通じて、分子、固体、分数量子ホール状態を含む多様な量子システムをサポートします。

vLLM Kunlun は、Kunlun XPU ハードウェア上で vLLM をシームレスに実行可能にするコミュニティ主導のハードウェアプラグインです。ハードウェアプラグイン可能なインターフェースを活用して統合プロセスを分離し、幅広いオープンソースモデルとの互換性を確保しています。本プロジェクトは、Kunlun3 P800 プラットフォーム上で Transformer ベース、Mixture-of-Expert、マルチモーダル LLM を含む多様なアーキテクチャをサポートします。