Git Stars Git Stars

#multi-agent-reinforcement-learning Dépôts

Découvrez 19 dépôts GitHub open source actifs associés à #multi-agent-reinforcement-learning, cumulant 29,554 étoiles au total (soit une moyenne de 1,555 étoiles par projet). Le projet en tête de ce thème est tailcallhq/forgecode, avec 7,636 étoiles.

19
Total des Dépôts
29,554
Nombre total d'étoiles
1,555
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Rust
1
tailcallhq/forgecode

Programmeur par paires basé sur l'IA pour Claude, GPT, O Series, Grok, Deepseek, Gemini et plus de 300 modèles

tailcallhq
⭐ 7,636 Rust 👤 tailcallhq Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-12-08
2
pytorch/rl

Une bibliothèque PyTorch modulaire, axée sur les primitives et d'abord en Python pour l'apprentissage par renforcement.

pytorch
⭐ 3,640 Python 👤 pytorch Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2022-02-01
3
Farama-Foundation/PettingZoo

Une API standard pour les environnements d'apprentissage par renforcement multi-agents, avec des environnements de référence populaires et des utilitaires associés

Farama-Foundation
⭐ 3,556 Python 👤 Farama-Foundation Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2020-01-20
4
openai/multi-agent-emergence-environments

Code de génération d'environnement pour le papier "Emergent Tool Use From Multi-Agent Autocurricula"

openai
⭐ 1,769 Python 👤 openai Organization 🕐 Mis à jour 2024-07-30 📅 Créé 2019-08-12
5
Farama-Foundation/ChatArena

ChatArena (ou Chat Arena) est un environnement de jeu linguistique multi-agents pour les LLM. L'objectif est de développer les capacités de communication et de collaboration des IA.

Farama-Foundation
⭐ 1,552 Python 👤 Farama-Foundation Organization 🕐 Mis à jour 2025-08-11 📅 Créé 2023-03-06
6
Replicable-MARL/MARLlib

Un seul dépôt est nécessaire pour l'apprentissage par renforcement multi-agents (MARL)

Replicable-MARL
⭐ 1,243 Python 👤 Replicable-MARL Organization 🕐 Mis à jour 2024-11-28 📅 Créé 2021-12-14
7
agi-brain/xuance

XuanCe : Une bibliothèque complète et unifiée pour l'apprentissage par renforcement profond

agi-brain
⭐ 1,114 Python 👤 agi-brain Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2023-05-21
8
PKU-MARL/HARL

Implémentation officielle des algorithmes HARL basée sur PyTorch.

PKU-MARL
⭐ 966 Python 👤 PKU-MARL Organization 🕐 Mis à jour 2026-11-14 📅 Créé 2023-04-17
9
instadeepai/Mava

🦁 Une base de code conviviale pour la recherche pour une expérimentation rapide de l'apprentissage par renforcement multi-agents dans JAX

instadeepai
⭐ 939 Python 👤 instadeepai Organization 🕐 Mis à jour 2026-11-06 📅 Créé 2021-03-30
10
microsoft/maro

La plateforme Multi-Agent Resource Optimization (MARO) est une instance de Reinforcement Learning as a Service (RaaS) pour les problèmes d'optimisation de ressources dans le monde réel.

microsoft
⭐ 920 Python 👤 microsoft Organization 🕐 Mis à jour 2025-04-24 📅 Créé 2019-12-27
11
tinyzqh/light_mappo

Version légère de MAPPO pour vous aider à migrer rapidement vers votre environnement local.

tinyzqh
⭐ 887 Python 👤 tinyzqh User 🕐 Mis à jour 2026-05-12 📅 Créé 2021-07-01
12
OpenRL-Lab/openrl

Cadre unifié d'apprentissage par renforcement

OpenRL-Lab
⭐ 802 Python 👤 OpenRL-Lab Organization 🕐 Mis à jour 2024-09-06 📅 Créé 2023-04-12
13
facebookresearch/BenchMARL

BenchMARL est une bibliothèque pour l'évaluation comparative de l'apprentissage par renforcement multi-agents (MARL). BenchMARL permet de comparer rapidement différents algorithmes, tâches et modèles MARL tout en étant systématiquement ancré dans ses deux principes fondamentaux : la reproductibilité et la standardisation.

facebookresearch
⭐ 687 Python 👤 facebookresearch Organization 🕐 Mis à jour 2026-02-07 📅 Créé 2023-08-22
14
Gen-Verse/Open-AgentRL

RLAnything (ICML 2026) et AutoTool (ICML 2026), DemyAgent : Apprentissage par renforcement open-source pour les LLM et les scénarios d'agents

Gen-Verse
⭐ 664 Python 👤 Gen-Verse Organization 🕐 Mis à jour 2026-06-12 📅 Créé 2025-10-13
15
uoe-agents/epymarl

Une extension de la base de code PyMARL qui comprend des algorithmes supplémentaires et une prise en charge de l'environnement

uoe-agents
⭐ 662 Python 👤 uoe-agents Organization 🕐 Mis à jour 2024-09-24 📅 Créé 2021-06-06
16
citylearn-project/CityLearn

Environnement officiel d'apprentissage par renforcement pour la réponse à la demande et le modelage de charge

citylearn-project
⭐ 662 Python 👤 citylearn-project Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2019-06-30
17
marl-book/codebase

Répertoire de code officiel pour le livre MARL (www.marl-book.com)

marl-book
⭐ 650 Python 👤 marl-book Organization 🕐 Mis à jour 2025-03-30 📅 Créé 2021-02-11
18
proroklab/VectorizedMultiAgentSimulator

VMAS est un simulateur différentiable vectorisé conçu pour le benchmarking efficace de l'apprentissage par renforcement multi-agent. Il est composé d'un moteur physique 2D vectorisé écrit en PyTorch et d'un ensemble de scénarios multi-robots stimulants. Des scénarios supplémentaires peuvent être implémentés via une interface simple et modulaires.

proroklab
⭐ 631 Python 👤 proroklab Organization 🕐 Mis à jour 2026-05-19 📅 Créé 2022-05-12
19
TsinghuaC3I/MARTI

[ICLR 2026] Un cadre pour l'entraînement renforcé et l'inférence multi-agents fondés sur les LLM

TsinghuaC3I
⭐ 575 Python 👤 TsinghuaC3I Organization 🕐 Mis à jour 2026-08-20 📅 Créé 2025-05-10

Foire aux questions

1

Quel est le dépôt #multi-agent-reinforcement-learning le plus populaire sur GitHub ?

Le projet #multi-agent-reinforcement-learning open source le mieux classé sur GitHub est tailcallhq/forgecode, avec 7,636 étoiles. Programmeur par paires basé sur l'IA pour Claude, GPT, O Series, Grok, Deepseek, Gemini et plus de 300 modèles

2

Quels langages de programmation sont les plus utilisés dans les dépôts #multi-agent-reinforcement-learning ?

Parmi les projets #multi-agent-reinforcement-learning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Rust.

3

Comment le classement des dépôts #multi-agent-reinforcement-learning est-il calculé ?

Nous suivons 19 dépôts open source actifs associés à #multi-agent-reinforcement-learning (500+ étoiles), totalisant 29,554 étoiles, avec une moyenne de 1,555 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.