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 एक मल्टी-एजेंट फ्रेमवर्क और ऑर्केस्ट्रेटर है जिसे कई लार्ज लैंग्वेज मॉडल एजेंटों को डिप्लॉय और मैनेज करने के लिए डिज़ाइन किया गया है। यह एक सिमुलेशन वातावरण प्रदान करता है जहां एजेंट कार्यों को हल करने या सामाजिक गतिशीलता का अनुकरण करने के लिए कस्टम पर्सोनाज़ और परिभाषित इंटरैक्शन रूल्स के आधार पर इंटरैक्ट करते हैं। यह सिस्टम एक टूल एकीकरण लेयर की सुविधा देता है जो एजेंटों को बाहरी कार्यात्मक प्लगइन्स और विशेष टूल्स से जोड़ता है, उनकी क्षमताओं को टेक्स्ट जनरेशन से परे विस्तारित करता है। यह सिमुलेशन के दौरान एजेंट स्थिरता और विशेष कौशल सेट बनाए रखने के लिए पर्सोना-आधारित प्रॉम्प्ट इंजेक्शन और स्टेट-मैनेज्ड मेमोरी के संयोजन का उपयोग करता है। यह फ्रेमवर्क सिमुलेशन रनटाइम और परिदृश्यों को निष्पादित और मॉनिटर करने के लिए एक लोकल वेब-आधारित डैशबोर्ड के साथ एक टास्क इंजन शामिल करता है। यह एजेंट व्यवहार, मैसेज रूटिंग और टर्न-आधारित ऑर्केस्ट्रेशन को परिभाषित करने के लिए कॉन्फ़िगरेशन-संचालित वातावरण प्रोविज़निंग का समर्थन करता है।

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 एक प्रतीकात्मक मॉडलिंग फ्रेमवर्क और कंप्यूटर बीजगणित सिस्टम है जिसे जटिल गणितीय प्रणालियों की परिभाषा और सिमुलेशन के लिए डिज़ाइन किया गया है। यह बहु-डोमेन भौतिक मॉडल और अंतर समीकरण प्रणालियों के निर्माण के लिए एक आधारभूत वातावरण प्रदान करता है, जो उपयोगकर्ताओं को प्रतीकात्मक ग्राफ के माध्यम से वैज्ञानिक समस्याओं का प्रतिनिधित्व करने में सक्षम बनाता है जो स्वचालित विश्लेषण और परिवर्तन की सुविधा प्रदान करते हैं। यह फ्रेमवर्क अपनी अकाउज़ल घटक संरचना के माध्यम से खुद को अलग करता है, जो स्पष्ट डेटा प्रवाह को परिभाषित करने के बजाय मॉड्यूलर तत्वों को जोड़कर बड़े पैमाने पर मॉडल की असेंबली की अनुमति देता है। यह संख्यात्मक स्थिरता सुनिश्चित करने के लिए स्वचालित सिस्टम टियरिंग और इंडेक्स रिडक्शन को नियोजित करता है। जस्ट-इन-टाइम प्रतीकात्मक संकलन का उपयोग करके, सिस्टम इन उच्च-स्तरीय परिभाषाओं को सीधे विशेष संख्यात्मक सॉल्वरों द्वारा निष्पादन के लिए अनुकूलित मशीन कोड में मैप करता है। मानक सिमुलेशन से परे, प्रोजेक्ट प्रतीकात्मक भौतिकी मॉडल को न्यूरल नेटवर्क के साथ संयोजित करने के लिए वैज्ञानिक मशीन लर्निंग उपयोगिताओं को एकीकृत करता है। यह स्वचालित समीकरण खोज का समर्थन करता है, जिससे प्रयोगात्मक डेटा से शासी गणितीय संरचनाओं के निष्कर्षण की अनुमति मिलती है। फ्रेमवर्क में बड़े पैमाने पर प्रणालियों के समाधान में तेजी लाने के लिए स्वचालित व्युत्पन्न पीढ़ी और स्पर्सिटी शोषण सहित संख्यात्मक अनुकूलन के लिए व्यापक टूल भी शामिल हैं।