multi-agent-reinforcement-learning

Claude, GPT, O Series, Grok, Deepseek, Gemini 및 300개 이상의 모델을 지원하는 AI 페어 프로그래머

강화학습을 위한 모듈식, 프리미티브 우선, 파이썬 우선 PyTorch 라이브러리입니다.

인기 있는 레퍼런스 환경 및 관련 유틸리티를 포함하는 다중 에이전트 강화 학습 환경용 표준 API

ChatArena(또는 Chat Arena)는 LLM을 위한 멀티 에이전트 언어 게임 환경입니다. 목표는 AI의 커뮤니케이션 및 협업 능력을 개발하는 것입니다.

다중 에이전트 강화학습(MARL)을 위한 단일 저장소

XuanCe: 포괄적이고 통합된 심층 강화 학습 라이브러리

🦁 JAX에서 다중 에이전트 강화 학습의 빠른 실험을 위한 연구 친화적인 코드베이스

Multi-Agent Resource Optimization (MARO) 플랫폼은 실제 리소스 최적화 문제를 해결하기 위한 Reinforcement Learning as a Service (RaaS) 구현체입니다.

통합 강화 학습 프레임워크

BenchMARL은 다중 에이전트 강화학습(MARL) 벤치마킹 라이브러리입니다. 재현성과 표준화라는 두 가지 핵심 원칙을 바탕으로 다양한 MARL 알고리즘, 태스크, 모델을 신속하게 비교할 수 있습니다.

RLAnything (ICML 2026) 및 AutoTool (ICML 2026), DemyAgent: LLM 및 에이전트 시나리오를 위한 오픈소스 강화학습

VMAS는 효율적인 다중 에이전트 강화 학습 벤치마킹을 위해 설계된 벡터화된 미분 가능 시뮬레이터임. PyTorch로 작성된 벡터화된 2D 물리 엔진과 도전적인 다중 로봇 시나리오 세트로 구성됨. 간단하고 모듈화된 인터페이스를 통해 추가 시나리오 구현 가능

LLM 기반 멀티 에이전트 강화 학습 및 추론을 위한 프레임워크