#multi-agent-reinforcement-learning Репозитории
Откройте для себя 19 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #multi-agent-reinforcement-learning, с общим числом 29,554 звёзд (в среднем 1,555 на проект). Лидером этой темы является tailcallhq/forgecode, набравший 7,636 звёзд.
Всего репозиториев: 19
Парный программист на базе ИИ для Claude, GPT, O Series, Grok, Deepseek, Gemini и более 300 моделей
Модульная библиотека PyTorch для обучения с подкреплением, ориентированная на примитивы и Python.
Стандартный API для сред многопользовательского обучения с подкреплением, включающий популярные эталонные среды и связанные утилиты
Код генерации среды для статьи "Emergent Tool Use From Multi-Agent Autocurricula"
ChatArena (или Chat Arena) — это среда многоагентных языковых игр для LLM. Цель состоит в развитии коммуникативных и коллаборативных возможностей ИИ.
Для Multi-agent Reinforcement Learning (MARL) достаточно одного репозитория
XuanCe: Комплексная и унифицированная библиотека глубокого обучения с подкреплением
🦁 Удобная для исследований кодовая база для быстрого экспериментирования с многоагентным обучением с подкреплением в JAX
Платформа Multi-Agent Resource Optimization (MARO) является экземпляром Reinforcement Learning as a Service (RaaS) для задач оптимизации ресурсов в реальном мире.
Упрощенная версия MAPPO, которая поможет вам быстро перенестись в локальную среду.
BenchMARL — это библиотека для тестирования многоагентного обучения с подкреплением (MARL). BenchMARL позволяет быстро сравнивать различные алгоритмы, задачи и модели MARL, оставаясь при этом систематически основанным на двух основных принципах: воспроизводимости и стандартизации.
RLAnything (ICML 2026) и AutoTool (ICML 2026), DemyAgent: обучение с подкреплением с открытым исходным кодом для LLM и агентных сценариев
Расширение кодовой базы PyMARL, включающее дополнительные алгоритмы и поддержку среды
Официальная среда обучения с подкреплением для ответа на спрос и формирования нагрузки
VMAS — это векторизованный дифференцируемый симулятор, разработанный для эффективного бенчмаркинга многоагентного обучения с подкреплением. Он состоит из векторизованного 2D физического движка, написанного на PyTorch, и набора сложных сценариев для мультироботов. Дополнительные сценарии могут быть реализованы через простой и модульный интерфейс.
[ICLR 2026] Фреймворк для обучения с подкреплением и вывода на основе LLM в системах с несколькими агентами
Часто задаваемые вопросы
Какой репозиторий по теме #multi-agent-reinforcement-learning наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #multi-agent-reinforcement-learning на GitHub — tailcallhq/forgecode, набравший 7,636 звёзд. Парный программист на базе ИИ для Claude, GPT, O Series, Grok, Deepseek, Gemini и более 300 моделей
Какие языки программирования чаще всего используются в репозиториях по теме #multi-agent-reinforcement-learning?
Среди наиболее высоко оценённых проектов по теме #multi-agent-reinforcement-learning на GitHub чаще всего используются языки программирования Python, Rust.
Как рассчитывается рейтинг репозиториев по теме #multi-agent-reinforcement-learning?
Мы отслеживаем 19 активных репозиториев с открытым исходным кодом, отмеченных тегом #multi-agent-reinforcement-learning (500 и более звёзд), с общим числом 29,554 звёзд и в среднем 1,555 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.