Awesome GitHub RepositoriesCustom Agent and Environment Definitions

ParlAI is a conversational AI research framework designed for training, evaluating, and sharing dialogue models using a unified interface for datasets and agents. It functions as a PyTorch-based training platform and a dialogue data collection system, providing a centralized model zoo for the distribution of versioned pretrained agents. The project distinguishes itself through a knowledge-grounded retrieval system that combines dense and sparse indexing to ground responses in external information. It also provides a comprehensive infrastructure for gathering human-AI interaction data via inte

rllm is an asynchronous reinforcement learning framework for training language agents. It provides a unified pipeline that runs the same agent code for both evaluation and training, automatically capturing traces for gradient computation. The framework supports distributed reinforcement learning across multiple GPUs and nodes using pluggable backends, and executes agents in isolated sandboxes—either locally or in the cloud—for safe and scalable rollout collection. It trains agents built with LangGraph, SmolAgents, OpenAI Agents SDK, or custom frameworks without requiring core logic changes. T

Agentverse هو إطار عمل متعدد الوكلاء ومنسق مصمم لنشر وإدارة وكلاء نماذج لغات كبيرة متعددة. يوفر بيئة محاكاة حيث يتفاعل الوكلاء بناءً على شخصيات مخصصة وقواعد تفاعل محددة لحل المهام أو محاكاة الديناميكيات الاجتماعية. يتميز النظام بطبقة دمج أدوات تربط الوكلاء بمكونات وظيفية خارجية وأدوات متخصصة، مما يوسع قدراتهم إلى ما هو أبعد من توليد النصوص. يستخدم مزيجاً من حقن المطالبات القائم على الشخصية والذاكرة المدارة بالحالة للحفاظ على اتساق الوكيل ومجموعات المهارات المتخصصة أثناء المحاكاة. يتضمن إطار العمل وقت تشغيل للمحاكاة ومحرك مهام مع لوحة تحكم محلية قائمة على الويب لتنفيذ ومراقبة السيناريوهات. يدعم توفير البيئة القائم على التكوين لتعريف سلوك الوكيل، وتوجيه الرسائل، والتنسيق القائم على الأدوار.

SLIME is a distributed reinforcement learning framework for large language model post-training that bridges Megatron training with SGLang inference servers. It orchestrates scalable RL loops across GPU clusters, decoupling training and inference into independent processes that communicate over HTTP and NCCL for independent scaling and fault tolerance. The system supports multi-agent reinforcement learning workflows with parallel agent instances, customizable rollout strategies, and personalized agent serving that improves models from prior conversations without disrupting API serving. The fra

OpenManus-RL is a reinforcement learning framework and distributed training pipeline designed to train large language models as agents. It serves as an agentic reasoning optimizer and reward model trainer, providing the infrastructure to improve model decision-making through reward-based policy optimization. The project distinguishes itself through a distributed architecture that supports parameter sharding across multiple compute nodes and a coordinated rollout system for collecting interaction trajectories. It incorporates advanced reasoning strategies, such as Tree-of-Thoughts and Monte Ca

Habitat-sim is a high-performance 3D simulation platform designed for training and benchmarking embodied AI agents within photorealistic indoor and outdoor environments. It serves as a simulator for AI and robotics, providing a system for generating synthetic data and simulating physical interactions. The project is distinguished by a native C++ core that enables high-throughput simulation and a rendering pipeline using physically based rendering and baked global illumination. It features a navigation system based on pre-computed navigation meshes to ensure collision-free traversal and a rigi

ModelingToolkit.jl هو إطار عمل للنمذجة الرمزية ونظام جبر حاسوبي مصمم لتعريف ومحاكاة الأنظمة الرياضية المعقدة. يوفر بيئة أساسية لبناء نماذج فيزيائية متعددة المجالات وأنظمة معادلات تفاضلية، مما يتيح للمستخدمين تمثيل المشكلات العلمية من خلال رسوم بيانية رمزية تسهل التحليل والتحويل المؤتمت. يتميز إطار العمل بتركيب المكونات غير السببي (acausal)، والذي يسمح بتجميع النماذج واسعة النطاق عن طريق ربط العناصر النمطية بدلاً من تحديد تدفقات البيانات الصريحة. يستخدم تمزيق النظام المؤتمت وتقليل المؤشر لتبسيط المعادلات التفاضلية الجبرية المعقدة، مما يضمن الاستقرار الرقمي. من خلال استخدام التجميع الرمزي في الوقت المناسب (just-in-time)، يقوم النظام بتعيين هذه التعريفات عالية المستوى مباشرة إلى كود آلة محسن للتنفيذ بواسطة محلات عددية متخصصة. بعيداً عن المحاكاة القياسية، يدمج المشروع أدوات التعلم الآلي العلمي للجمع بين نماذج الفيزياء الرمزية والشبكات العصبية. يدعم اكتشاف المعادلات المؤتمت، مما يسمح باستخراج الهياكل الرياضية الحاكمة من البيانات التجريبية. يتضمن إطار العمل أيضاً أدوات شاملة للتحسين الرقمي، بما في ذلك توليد المشتقات المؤتمت واستغلال التناثر، لتسريع حل الأنظمة واسعة النطاق.