JAX
JAX是由Google开发的开源高性能数值计算库，基于Python和NumPy接口设计，提供与NumPy高度兼容的API。JAX的核心能力包括：通过自动微分（Autograd）支持对任意Python函数求导，利用XLA（加速线性代数）编译器实现在CPU、GPU和TPU上的高效运算，以及支持函数式变换（如向量化映射vmap和即时编译jit）。JAX广泛应用于机器学习研究和科学计算领域。
时间轴 (近 90 天)
reinfors 的 infer 网络推理函数完全由用户提供，可接入 PyTorch、JAX 或其他框架
模型在 JAX+XLA 上运行时相比纯 Python eager 执行模式通常能获得 2-5 倍的性能提升
Google 的 PaLM、Gemini 等大模型的训练均依赖 JAX+XLA 在 TPU Pod 上完成
KerasFormers 是用纯 Keras 3 编写的预训练 Transformer 模型，可同时运行在 JAX、PyTorch 和 TensorFlow 三大后端之上
2023 年底发布的 Keras 3 进行了架构性重写，重新回归多后端设计，可在 JAX、PyTorch 与 TensorFlow 之间无缝切换
JAX 是 Google 于 2018 年发布的数值计算库，核心特性包括基于 XLA 编译器的 JIT 加速、自动微分以及 vmap 和 pmap 原语
全部知识事实 (6)
reinfors 的 infer 网络推理函数完全由用户提供，可接入 PyTorch、JAX 或其他框架
50%待验证模型在 JAX+XLA 上运行时相比纯 Python eager 执行模式通常能获得 2-5 倍的性能提升
50%待验证Google 的 PaLM、Gemini 等大模型的训练均依赖 JAX+XLA 在 TPU Pod 上完成
50%待验证KerasFormers 是用纯 Keras 3 编写的预训练 Transformer 模型，可同时运行在 JAX、PyTorch 和 TensorFlow 三大后端之上
50%待验证2023 年底发布的 Keras 3 进行了架构性重写，重新回归多后端设计，可在 JAX、PyTorch 与 TensorFlow 之间无缝切换
50%待验证JAX 是 Google 于 2018 年发布的数值计算库，核心特性包括基于 XLA 编译器的 JIT 加速、自动微分以及 vmap 和 pmap 原语
50%