#multi-agent-reinforcement-learning Repositorios
Descubre 19 repositorios activos de código abierto de GitHub etiquetados con #multi-agent-reinforcement-learning, que acumulan 29,554 estrellas en total (una media de 1,555 estrellas por proyecto). El líder de este tema es tailcallhq/forgecode, con 7,636 estrellas.
19 repositorios en total
Programador en pareja con IA para Claude, GPT, O Series, Grok, Deepseek, Gemini y más de 300 modelos
Una biblioteca PyTorch modular, orientada a primitivas y primero en Python para Reinforcement Learning.
Una API estándar para entornos de aprendizaje por refuerzo multiagente, con entornos de referencia populares y utilidades relacionadas
Código de generación de entorno para el artículo "Emergent Tool Use From Multi-Agent Autocurricula"
ChatArena (o Chat Arena) es un entorno de juego de lenguaje multiagente para LLM. El objetivo es desarrollar las capacidades de comunicación y colaboración de las IA.
Un repositorio es todo lo que es necesario para el aprendizaje por refuerzo multiagente (MARL)
🦁 Una base de código amigable para la investigación para la experimentación rápida de aprendizaje por refuerzo multiagente en JAX
La plataforma de Optimización de Recursos Multiagente (MARO) es una instancia de Reinforcement Learning as a Service (RaaS) para problemas de optimización de recursos en el mundo real.
Versión ligera de MAPPO para ayudarte a migrar rápidamente a tu entorno local.
BenchMARL es una biblioteca para la evaluación comparativa de Multi-Agent Reinforcement Learning (MARL). BenchMARL permite comparar rápidamente diferentes algoritmos, tareas y modelos de MARL, al tiempo que se basa sistemáticamente en sus dos principios fundamentales: reproducibilidad y estandarización.
RLAnything (ICML 2026) y AutoTool (ICML 2026), DemyAgent: Aprendizaje por refuerzo de código abierto para LLMs y escenarios de agentes
Una extensión de la base de código PyMARL que incluye algoritmos adicionales y soporte de entorno
Entorno oficial de aprendizaje por refuerzo para respuesta a la demanda y modelado de carga
VMAS es un simulador diferenciable vectorizado diseñado para la evaluación comparativa eficiente del Aprendizaje por Refuerzo Multiagente. Se compone de un motor de física 2D vectorizado escrito en PyTorch y un conjunto de escenarios multirrobot desafiantes. Se pueden implementar escenarios adicionales a través de una interfaz simple y modular.
[ICLR 2026] Un marco para el entrenamiento reforzado y la inferencia multiagente basados en LLM
Preguntas frecuentes
¿Cuál es el repositorio de #multi-agent-reinforcement-learning más popular en GitHub?
El proyecto de código abierto de #multi-agent-reinforcement-learning mejor posicionado en GitHub es tailcallhq/forgecode, con 7,636 estrellas. Programador en pareja con IA para Claude, GPT, O Series, Grok, Deepseek, Gemini y más de 300 modelos
¿Qué lenguajes de programación se utilizan más en los repositorios de #multi-agent-reinforcement-learning?
Entre los proyectos de #multi-agent-reinforcement-learning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Rust.
¿Cómo se calcula la clasificación de los repositorios de #multi-agent-reinforcement-learning?
Seguimos 19 repositorios activos de código abierto etiquetados con #multi-agent-reinforcement-learning (500+ estrellas), que suman un total de 29,554 estrellas, con una media de 1,555 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.