Git Stars Git Stars

#meta-optimization Repository

Scopri 2 repository GitHub open source attivi contrassegnati con #meta-optimization, che raccolgono un totale di 5,548 stelle (con una media di 2,774 stelle per progetto). Il progetto leader di questo argomento è learnables/learn2learn, con 2,896 stelle.

2
Totale Repository
5,548
Totale stelle
2,774
Media Stelle/Repo
Linguaggi di programmazione: Python

2 repository in totale

1
learnables/learn2learn

Una libreria PyTorch per la ricerca sul meta-learning

learnables
⭐ 2,896 Python 👤 learnables Organization 🕐 Aggiornato 2025-12-16 📅 Creato 2019-08-08
2
shepherd-agents/shepherd

Un substrato runtime che trasforma l'esecuzione di un agente in una traccia reversibile simile a Git, consentendo ai meta-agenti di osservare, biforcare, riprodurre e annullare qualsiasi esecuzione. Accoppia agente e ambienti in un fork copy-on-write circa 5 volte più veloce di docker commit, con circa il 95% di riutilizzo della cache KV durante la riproduzione. Framework costruito affinché i meta-agenti possano supervisionare, ottimizzare e addestrare altri agenti

shepherd-agents
⭐ 2,658 Python 👤 shepherd-agents Organization 🕐 Aggiornato 2026-09-09 📅 Creato 2026-06-24

Domande frequenti

1

Qual è il repository #meta-optimization più popolare su GitHub?

Il progetto open source #meta-optimization più alto in classifica su GitHub è learnables/learn2learn, con 2,896 stelle. Una libreria PyTorch per la ricerca sul meta-learning

2

Quali linguaggi di programmazione sono più utilizzati nei repository #meta-optimization?

Tra i progetti #meta-optimization più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python.

3

Come viene calcolata la classifica dei repository #meta-optimization?

Monitoriamo 2 repository open source attivi contrassegnati con #meta-optimization (500+ stelle), per un totale di 5,548 stelle e una media di 2,774 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.