Startseite Projekte VAGEN
VAGEN
Python

VAGEN

Weltmodell-Reasoning RL für Multi-Turn VLM-Agenten

von mll-lab-nu · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Kategorie
Sprache
agentembodied-aimulti-turn-reinforcement-learningMITPython
Auf GitHub ansehen
In einfachen Worten

Trainiere KI-Agenten, um ihre Umgebung mithilfe visueller Informationen über mehrere Interaktionen zu verstehen und zu schlussfolgern.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
VAGEN — GitHub preview card
📈 Sternhistorie
487486
2026-07-202026-08-31
📈 VAGEN verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Weltmodell-Reasoning RL für Multi-Turn VLM-Agenten

VAGEN hat 486 Sterne auf GitHub. Es wurde 60-mal geforkt. VAGEN ist hauptsächlich in Python geschrieben. Es wird seit 2025 aktiv entwickelt. VAGEN ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: agent, embodied-ai, multi-turn-reinforcement-learning, reinforcement-learning.

Frequently asked questions

Was ist VAGEN?

Weltmodell-Reasoning RL für Multi-Turn VLM-Agenten

Ist VAGEN Open Source?

VAGEN ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist VAGEN kostenlos?

Ja. VAGEN ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht VAGEN?

VAGEN ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist VAGEN geschrieben?

VAGEN ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — VAGEN

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=mll-lab-nu-vagen)](https://olud.ai/project/mll-lab-nu-vagen.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.