#multi-agent-reinforcement-learning Repository
Scopri 19 repository GitHub open source attivi contrassegnati con #multi-agent-reinforcement-learning, che raccolgono un totale di 29,554 stelle (con una media di 1,555 stelle per progetto). Il progetto leader di questo argomento è tailcallhq/forgecode, con 7,636 stelle.
19 repository in totale
Co-pilota basato sull'IA per Claude, GPT, O Series, Grok, Deepseek, Gemini e oltre 300 modelli
Una libreria PyTorch modulare, orientata ai primitivi e prima a Python per il Reinforcement Learning.
Un'API standard per ambienti di apprendimento per rinforzo multi-agente, con ambienti di riferimento popolari e utility correlate
Codice di generazione dell'ambiente per il paper "Emergent Tool Use From Multi-Agent Autocurricula"
ChatArena (o Chat Arena) è un ambiente di giochi linguistici multi-agente per LLM. L'obiettivo è sviluppare le capacità di comunicazione e collaborazione dell'IA.
Un repository è tutto ciò che è necessario per il Multi-agent Reinforcement Learning (MARL)
🦁 Una codebase amichevole per la ricerca per una rapida sperimentazione dell'apprendimento per rinforzo multi-agente in JAX
La piattaforma Multi-Agent Resource Optimization (MARO) è un'istanza di Reinforcement Learning as a Service (RaaS) per problemi di ottimizzazione delle risorse nel mondo reale.
Versione leggera di MAPPO per aiutarti a migrare rapidamente nel tuo ambiente locale.
BenchMARL è una libreria per il benchmarking del Multi-Agent Reinforcement Learning (MARL). BenchMARL consente di confrontare rapidamente diversi algoritmi, attività e modelli MARL, pur essendo sistematicamente fondato sui suoi due principi fondamentali: riproducibilità e standardizzazione.
RLAnything (ICML 2026) e AutoTool (ICML 2026), DemyAgent: Apprendimento per rinforzo open-source per LLM e scenari agentici
Un'estensione della codebase PyMARL che include algoritmi aggiuntivi e supporto per l'ambiente
Ambiente ufficiale di apprendimento per rinforzo per risposta alla domanda e modellazione del carico
VMAS è un simulatore differenziabile vettorizzato progettato per un benchmarking efficiente dell'apprendimento per rinforzo multi-agente. È composto da un motore fisico 2D vettorizzato scritto in PyTorch e da una serie di scenari multi-robot impegnativi. Ulteriori scenari possono essere implementati tramite un'interfaccia semplice e modulare.
[ICLR 2026] Un framework per l'addestramento con rinforzo e l'inferenza multi-agente basati su LLM
Domande frequenti
Qual è il repository #multi-agent-reinforcement-learning più popolare su GitHub?
Il progetto open source #multi-agent-reinforcement-learning più alto in classifica su GitHub è tailcallhq/forgecode, con 7,636 stelle. Co-pilota basato sull'IA per Claude, GPT, O Series, Grok, Deepseek, Gemini e oltre 300 modelli
Quali linguaggi di programmazione sono più utilizzati nei repository #multi-agent-reinforcement-learning?
Tra i progetti #multi-agent-reinforcement-learning più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Rust.
Come viene calcolata la classifica dei repository #multi-agent-reinforcement-learning?
Monitoriamo 19 repository open source attivi contrassegnati con #multi-agent-reinforcement-learning (500+ stelle), per un totale di 29,554 stelle e una media di 1,555 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.