google-deepmind/lab2d
A customisable 2D platform for agent-based AI research
解決する課題
機械学習エージェントのトレーニングとテストに特化した、高性能で使いやすい2Dグリッドワールド環境を作成するためのシステムを提供します。
仕組み
このシステムは、シンプルなテキストベースのマップで世界のレイアウトを定義し、Luaコードで環境の動作を定義します。エージェントは、Python API (dm_env経由) またはカスタムC APIを通じてこれらの世界と対話し、複数のエージェントを同時にサポートします。
対象ユーザー
強化学習エージェントのプロトタイプ作成や評価のために、柔軟で軽量な2D環境を必要とする機械学習研究者および開発者。
ハイライト
- C++とLuaで記述された高性能な実装。
- 迅速なワールド作成のためのシンプルなテキストベースのマップ定義。
- 複数のエージェントをサポート。
- 標準の
dm_env Python APIと互換性あり。
関連
- プロジェクト
- プロジェクト
datachain-ai/datachainDataChainは、S3/GCS/Azure（またはローカル）上のファイルを、軽量なSQLiteデータベースに保存されたバージョン管理された型付きデータセットに変換するPythonライブラリです。生のファイルを移動することなく、数百万件のレコードに対して高速なサブ秒単位のフィルタリング、結合、集計、ベクトル類似性検索を提供します。パイプラインは通常のPython関数として記述され、エンジンが並列実行、チェックポイント、増量更新を処理します。オプション機能として、人間やLLM向けの自動生成Markdownナレッジベースや、Claude、Cursor、Codex、Copilot、Piなどのツールからデータ層を認識可能にするスキルがあります。ホスト型の「Studio」サービスでは、共有データセットレジストリ、分散コンピューティング、大規模メディア用UIが追加されます。`pip install datachain`でインストールし、必要に応じて`datachain skill install --target claude`を実行してください。
- プロジェクト
confident-ai/deepevalDeepEvalは、LLMを活用したアプリケーション（エージェント、チャットボット、RAGパイプライン）に対してpytestスタイルのテストを記述できるオープンソースのPythonフレームワークです。G-EvalやJevEvalのようなLLM-as-a-judgeスコアを含む30以上の組み込みメトリクスに加え、エージェント、RAG、マルチモーダル、バイアス関連のチェック機能を提供します。メトリクスはローカルで実行することも、任意のLLMを使用して実行することも可能です。このライブラリはLangChain、CrewAI、OpenAI、Anthropic、AWS AgentCore、Google ADK、LlamaIndex、さらにはTypeScript AI SDKと統合されており、デコレータやコールバックを使用して完全な実行トレースをキャプチャできます。シンプルなCLI (`deepeval test run …`) はCI/CDで動作し、オプションのConfident AIプラットフォームによりクラウドレポートとガバナンス機能が追加されます。`pip install -U deepeval` でインストールし、`LLMTestCase` オブジェクトを作成してメトリクスを選択し、実行するだけで、LLMの品質テストを従来のソフトウェアテストと同様に体系化できます。
- プロジェクト
HKUDS/DeepCodeマルチエージェントシステムを使用して、自然言語と研究論文を本番運用可能なコードに変換するオープンなエージェント型コーディングシステムです。
- プロジェクト
OpenBMB/ChatDevChatDev 2.0（DevAll）は、視覚的なWebコンソールまたは小さなPython SDKで、YAMLでエージェントとその接続を定義し、複数のLLMエージェントワークフローを設計・実行できるオープンソースでコードゼロのプラットフォームです。データ可視化、3D生成、ゲーム開発、研究など、組み込みテンプレートを活用。バックエンドはFastAPI、フロントエンドはVue 3、Docker/Makefileサポート、拡張可能なPythonツール、研究用オーケストレータ（Puppeteer、MacNet）を備えています。