Git Stars Git Stars

#meta-optimization Repositórios

Descubra 2 repositórios ativos de código aberto no GitHub marcados com #meta-optimization, acumulando um total de 5,548 estrelas (uma média de 2,774 por projeto). O líder deste tópico é learnables/learn2learn, com 2,896 estrelas.

2
Total de Repositórios
5,548
Total de estrelas
2,774
Média de Estrelas/Repositório
Linguagens de programação: Python

2 repositórios no total

1
learnables/learn2learn

Uma Biblioteca PyTorch para Pesquisa de Meta-aprendizado

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

Um substrato de execução que transforma a execução de um agente em um rastro reversível semelhante ao Git, permitindo que meta-agentes observem, bifurquem, reproduzam e revertam qualquer execução. Acopla agente e ambientes em um fork copy-on-write ~5 vezes mais rápido que docker commit, com ~95% de reutilização de cache KV na reprodução. Framework construído para meta-agentes supervisionarem, otimizarem e treinarem outros agentes

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

Perguntas Frequentes

1

Qual é o repositório de #meta-optimization mais popular no GitHub?

O projeto de código aberto de #meta-optimization mais bem classificado no GitHub é learnables/learn2learn, com 2,896 estrelas. Uma Biblioteca PyTorch para Pesquisa de Meta-aprendizado

2

Quais linguagens de programação são mais usadas nos repositórios de #meta-optimization?

Entre os projetos de #meta-optimization mais bem classificados no GitHub, as linguagens de programação mais comuns são Python.

3

Como é calculada a classificação dos repositórios de #meta-optimization?

Acompanhamos 2 repositórios ativos de código aberto marcados com #meta-optimization (com mais de 500 estrelas), totalizando 5,548 estrelas e uma média de 2,774 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.