BenchMARL é uma biblioteca para benchmarking de Aprendizado por Reforço Multi-Agente (MARL). BenchMARL permite comparar rapidamente diferentes algoritmos, tarefas e modelos de MARL, enquanto é sistematicamente fundamentado em seus dois princípios centrais: reprodutibilidade e padronização.
Compare e avalie diferentes algoritmos e tarefas de aprendizado por reforço multiagente usando esta biblioteca especializada.
Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.
Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.
Grátis · sem cartão · cancele quando quiserBenchMARL é uma biblioteca para benchmarking de Aprendizado por Reforço Multi-Agente (MARL). BenchMARL permite comparar rapidamente diferentes algoritmos, tarefas e modelos de MARL, enquanto é sistematicamente fundamentado em seus dois princípios centrais: reprodutibilidade e padronização.
BenchMARL tem 647 estrelas no GitHub. Foi bifurcado 134 vezes. BenchMARL é escrito principalmente em Python. Está em desenvolvimento ativo desde 2023. BenchMARL está disponível sob a licença MIT. Os seus principais temas são: benchmark, machine-learning, marl, multi-agent.
BenchMARL é uma biblioteca para benchmarking de Aprendizado por Reforço Multi-Agente (MARL). BenchMARL permite comparar rapidamente diferentes algoritmos, tarefas e modelos de MARL, enquanto é sistematicamente fundamentado em seus dois princípios centrais: reprodutibilidade e padronização.
BenchMARL é um projeto de código aberto. É distribuído sob a licença MIT.
Sim. BenchMARL é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
BenchMARL está disponível sob a licença MIT.
BenchMARL é escrito principalmente em Python.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://opensourceai.tech/project/facebookresearch-benchmarl.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.