用补丁注意力搞定非线性动力学，论文级模型直接上手
panda 是一个面向非线性动力学系统的开源模型，基于“修补注意力”（Patched Attention）机制，相关论文已被 ICLR 2026 接收。它解决的是传统时序模型（如 Transformer、LSTM）在处理高维、强非线性动态数据时表达能力不足、计算开销大的问题。核心能力包括：将原始序列切分为补丁（patch）以降低序列长度、提升注意力效率；通过注意力机制捕捉跨补丁的长程依赖和非线性耦合；提供端到端的训练与推理接口，支持常见动力学系统数据集。项目目前处于早期阶段，代码结构清晰，适合科研人员复现论文结果或在此基础上扩展新的动力学建模方法。
Neural ODE、Transformer-based Time Series (如 Informer)、DeepONet
panda 是模型训练领域的开源项目，由 abao1999 开发，2024 年首次发布。
它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 175。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-06-28。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：科研复现：验证ICLR论文中的动力学预测效果。同类可对比的替代方案包括 Neural ODE、Transformer-based Time Series (如 Informer)、DeepONet。
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···
