[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-marlbenchmark--on-policy":3,"tool-marlbenchmark--on-policy":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",150037,2,"2026-04-10T23:33:47",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":72,"owner_avatar_url":73,"owner_bio":74,"owner_company":75,"owner_location":75,"owner_email":75,"owner_twitter":75,"owner_website":76,"owner_url":77,"languages":78,"stars":99,"forks":100,"last_commit_at":101,"license":102,"difficulty_score":103,"env_os":104,"env_gpu":105,"env_ram":106,"env_deps":107,"category_tags":117,"github_topics":118,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":127,"updated_at":128,"faqs":129,"releases":164},6476,"marlbenchmark\u002Fon-policy","on-policy","This is the official implementation of Multi-Agent PPO (MAPPO).","on-policy 是“多智能体近端策略优化”（MAPPO）算法的官方开源实现，旨在解决复杂环境下多个智能体协同决策的难题。作为经典 PPO 算法在多智能体领域的变体，它通过共享策略网络等机制，显著提升了智能体在协作任务中的训练效率与最终性能，复现了论文《The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games》中的核心成果。\n\n该工具主要面向人工智能研究人员、算法工程师及多智能体强化学习开发者。它内置了对 StarCraft II (SMAC\u002FSMACv2)、Hanabi、多智能体粒子环境 (MPE) 以及谷歌研究足球 (GRF) 等主流基准测试环境的完整支持，帮助用户快速搭建实验场景。on-policy 的独特亮点在于其提供了经过严格验证的训练脚本与超参数配置，有效解决了社区中因参数描述模糊导致的结果复现困难问题。代码结构清晰，模块化设计了环境封装、算法核心与运行流程，并针对关键训练因素（如滚动线程、回合长度等）给出了详细建议，是探索合作型多智能体博弈的高效开发底座。","# MAPPO\r\n\r\n## New Update！！！We support SMAC V2 now～\r\n\r\nChao Yu*, Akash Velu*, Eugene Vinitsky, Jiaxuan Gao, Yu Wang, Alexandre Bayen, and Yi Wu. \r\n\r\nThis repository implements MAPPO, a multi-agent variant of PPO. The implementation in this repositorory is used in the paper \"The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games\" (https:\u002F\u002Farxiv.org\u002Fabs\u002F2103.01955). This repository is heavily based on https:\u002F\u002Fgithub.com\u002Fikostrikov\u002Fpytorch-a2c-ppo-acktr-gail. We also make the off-policy repo public, please feel free to try that. [off-policy link](https:\u002F\u002Fgithub.com\u002Fmarlbenchmark\u002Foff-policy)\r\n\r\n\u003Cfont color=\"red\"> All hyperparameters and training curves are reported in appendix, we would strongly suggest to double check the important factors before runing the code, such as the rollout threads, episode length, ppo epoch, mini-batches, clip term and so on. \u003Cfont color='red'>Besides, we have updated the newest results on google football testbed and suggestions about the episode length and parameter-sharing in appendix, welcome to check that. \u003C\u002Ffont>\r\n\r\n\u003Cfont color=\"red\"> We have recently noticed that a lot of papers do not reproduce the mappo results correctly, probably due to the rough hyper-parameters description. We have updated training scripts for each map or scenario in \u002Ftrain\u002Ftrain_xxx_scripts\u002F*.sh. Feel free to try that.\u003C\u002Ffont>\r\n\r\n\r\n## Environments supported:\r\n\r\n- [StarCraftII (SMAC)](https:\u002F\u002Fgithub.com\u002Foxwhirl\u002Fsmac)\r\n- [Hanabi](https:\u002F\u002Fgithub.com\u002Fdeepmind\u002Fhanabi-learning-environment)\r\n- [Multiagent Particle-World Environments (MPEs)](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmultiagent-particle-envs)\r\n- [Google Research Football (GRF)](https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Ffootball)\r\n- [StarCraftII (SMAC) v2](https:\u002F\u002Fgithub.com\u002Foxwhirl\u002Fsmacv2)\r\n\r\n## 1. Usage\r\n**WARNING: by default all experiments assume a shared policy by all agents i.e. there is one neural network shared by all agents**\r\n\r\nAll core code is located within the onpolicy folder. The algorithms\u002F subfolder contains algorithm-specific code\r\nfor MAPPO. \r\n\r\n* The envs\u002F subfolder contains environment wrapper implementations for the MPEs, SMAC, and Hanabi. \r\n\r\n* Code to perform training rollouts and policy updates are contained within the runner\u002F folder - there is a runner for \r\neach environment. \r\n\r\n* Executable scripts for training with default hyperparameters can be found in the scripts\u002F folder. The files are named\r\nin the following manner: train_algo_environment.sh. Within each file, the map name (in the case of SMAC and the MPEs) can be altered. \r\n* Python training scripts for each environment can be found in the scripts\u002Ftrain\u002F folder. \r\n\r\n* The config.py file contains relevant hyperparameter and env settings. Most hyperparameters are defaulted to the ones\r\nused in the paper; however, please refer to the appendix for a full list of hyperparameters used. \r\n\r\n\r\n## 2. Installation\r\n\r\n Here we give an example installation on CUDA == 10.1. For non-GPU & other CUDA version installation, please refer to the [PyTorch website](https:\u002F\u002Fpytorch.org\u002Fget-started\u002Flocally\u002F). We remark that this repo. does not depend on a specific CUDA version, feel free to use any CUDA version suitable on your own computer.\r\n\r\n``` Bash\r\n# create conda environment\r\nconda create -n marl python==3.6.1\r\nconda activate marl\r\npip install torch==1.5.1+cu101 torchvision==0.6.1+cu101 -f https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Ftorch_stable.html\r\n```\r\n\r\n```\r\n# install on-policy package\r\ncd on-policy\r\npip install -e .\r\n```\r\n\r\nEven though we provide requirement.txt, it may have redundancy. We recommend that the user try to install other required packages by running the code and finding which required package hasn't installed yet.\r\n\r\n### 2.1 StarCraftII [4.10](http:\u002F\u002Fblzdistsc2-a.akamaihd.net\u002FLinux\u002FSC2.4.10.zip)\r\n\r\n   \r\n\r\n``` Bash\r\nunzip SC2.4.10.zip\r\n# password is iagreetotheeula\r\necho \"export SC2PATH=~\u002FStarCraftII\u002F\" >> ~\u002F.bashrc\r\n```\r\n\r\n* download SMAC Maps, and move it to `~\u002FStarCraftII\u002FMaps\u002F`.\r\n\r\n* To use a stableid, copy `stableid.json` from https:\u002F\u002Fgithub.com\u002FBlizzard\u002Fs2client-proto.git to `~\u002FStarCraftII\u002F`.\r\n\r\nFor SMAC v2, please refer to https:\u002F\u002Fgithub.com\u002Foxwhirl\u002Fsmacv2.git. Make sure you have the `32x32_flat.SC2Map` map file in your `SMAC_Maps` folder.\r\n\r\n### 2.2 Hanabi\r\nEnvironment code for Hanabi is developed from the open-source environment code, but has been slightly modified to fit the algorithms used here.  \r\nTo install, execute the following:\r\n``` Bash\r\npip install cffi\r\ncd envs\u002Fhanabi\r\nmkdir build & cd build\r\ncmake ..\r\nmake -j\r\n```\r\nHere are all hanabi [models](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1RIcP_rG9NY9UzaWfFsIncDcjASk5h4Nx?usp=sharing).\r\n\r\n### 2.3 MPE\r\n\r\n``` Bash\r\n# install this package first\r\npip install seaborn\r\n```\r\n\r\nThere are 3 Cooperative scenarios in MPE:\r\n\r\n* simple_spread\r\n* simple_speaker_listener, which is 'Comm' scenario in paper\r\n* simple_reference\r\n\r\n### 2.4 GRF\r\n\r\nPlease see the [football](https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Ffootball\u002Fblob\u002Fmaster\u002FREADME.md) repository to install the football environment.\r\n\r\n## 3.Train\r\nHere we use train_mpe.sh as an example:\r\n```\r\ncd onpolicy\u002Fscripts\r\nchmod +x .\u002Ftrain_mpe.sh\r\n.\u002Ftrain_mpe.sh\r\n```\r\nLocal results are stored in subfold scripts\u002Fresults. Note that we use Weights & Bias as the default visualization platform; to use Weights & Bias, please register and login to the platform first. More instructions for using Weights&Bias can be found in the official [documentation](https:\u002F\u002Fdocs.wandb.ai\u002F). Adding the `--use_wandb` in command line or in the .sh file will use Tensorboard instead of Weights & Biases. \r\n\r\nWe additionally provide `.\u002Feval_hanabi_forward.sh` for evaluating the hanabi score over 100k trials. \r\n\r\n## 4. Publication\r\n\r\nIf you find this repository useful, please cite our [paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2103.01955):\r\n```\r\n@inproceedings{\r\nyu2022the,\r\ntitle={The Surprising Effectiveness of {PPO} in Cooperative Multi-Agent Games},\r\nauthor={Chao Yu and Akash Velu and Eugene Vinitsky and Jiaxuan Gao and Yu Wang and Alexandre Bayen and Yi Wu},\r\nbooktitle={Thirty-sixth Conference on Neural Information Processing Systems Datasets and Benchmarks Track},\r\nyear={2022}\r\n}\r\n```\r\n\r\n","# MAPPO\n\n## 新更新！！！我们现在支持 SMAC V2 了～\n\nChao Yu*、Akash Velu*、Eugene Vinitsky、Jiaxuan Gao、Yu Wang、Alexandre Bayen 和 Yi Wu。\n\n本仓库实现了 MAPPO，即 PPO 的多智能体变体。该实现被用于论文《PPO 在合作型多智能体游戏中的惊人有效性》（https:\u002F\u002Farxiv.org\u002Fabs\u002F2103.01955）。本仓库大量基于 https:\u002F\u002Fgithub.com\u002Fikostrikov\u002Fpytorch-a2c-ppo-acktr-gail。我们同时也公开了离策略版本的代码库，欢迎大家尝试。[离策略链接](https:\u002F\u002Fgithub.com\u002Fmarlbenchmark\u002Foff-policy)\n\n\u003Cfont color=\"red\"> 所有超参数和训练曲线均在附录中列出。强烈建议在运行代码之前仔细核对关键因素，例如 rollout 线程数、每集长度、PPO epoch 数、小批量大小、clip 项等。\u003Cfont color='red'>此外，我们在附录中更新了 Google Football 测试平台上的最新结果，以及关于每集长度和参数共享的建议，欢迎查阅。\u003C\u002Ffont>\n\n\u003Cfont color=\"red\"> 我们最近注意到许多论文未能正确复现 MAPPO 的结果，这很可能是由于超参数描述不够详细所致。我们已在 \u002Ftrain\u002Ftrain_xxx_scripts\u002F*.sh 中为每个地图或场景更新了训练脚本，欢迎大家尝试。\u003C\u002Ffont>\n\n## 支持的环境：\n\n- [StarCraftII (SMAC)](https:\u002F\u002Fgithub.com\u002Foxwhirl\u002Fsmac)\n- [Hanabi](https:\u002F\u002Fgithub.com\u002Fdeepmind\u002Fhanabi-learning-environment)\n- [多智能体粒子世界环境 (MPEs)](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmultiagent-particle-envs)\n- [Google Research Football (GRF)](https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Ffootball)\n- [StarCraftII (SMAC) v2](https:\u002F\u002Fgithub.com\u002Foxwhirl\u002Fsmacv2)\n\n## 1. 使用方法\n**警告：默认情况下，所有实验都假设所有智能体共享同一策略，即只有一个神经网络供所有智能体使用。**\n\n核心代码位于 onpolicy 文件夹内。algorithms\u002F 子文件夹包含针对 MAPPO 的算法特定代码。\n\n* envs\u002F 子文件夹包含 MPEs、SMAC 和 Hanabi 的环境封装实现。\n* 用于执行训练 rollout 和策略更新的代码位于 runner\u002F 文件夹中——每个环境都有一个对应的 runner。\n* 使用默认超参数进行训练的可执行脚本位于 scripts\u002F 文件夹中。文件名格式为 train_algo_environment.sh。在每个文件中，可以修改地图名称（对于 SMAC 和 MPEs）。\n* 每个环境的 Python 训练脚本位于 scripts\u002Ftrain\u002F 文件夹中。\n* config.py 文件包含相关的超参数和环境设置。大多数超参数已设置为论文中使用的值；不过，请参阅附录以获取完整的超参数列表。\n\n## 2. 安装\n\n以下是在 CUDA == 10.1 上的安装示例。对于非 GPU 及其他 CUDA 版本的安装，请参考 [PyTorch 官网](https:\u002F\u002Fpytorch.org\u002Fget-started\u002Flocally\u002F)。需要注意的是，本仓库并不依赖于特定的 CUDA 版本，用户可以根据自己的电脑选择合适的 CUDA 版本。\n\n``` Bash\n# 创建 conda 环境\nconda create -n marl python==3.6.1\nconda activate marl\npip install torch==1.5.1+cu101 torchvision==0.6.1+cu101 -f https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Ftorch_stable.html\n```\n\n``` \n# 安装 on-policy 包\ncd on-policy\npip install -e .\n```\n\n尽管我们提供了 requirement.txt 文件，但其中可能存在冗余。建议用户在运行代码时，根据实际需要自行安装缺失的包。\n\n### 2.1 StarCraftII [4.10](http:\u002F\u002Fblzdistsc2-a.akamaihd.net\u002FLinux\u002FSC2.4.10.zip)\n\n``` Bash\nunzip SC2.4.10.zip\n# 密码是 iagreetotheeula\necho \"export SC2PATH=~\u002FStarCraftII\u002F\" >> ~\u002F.bashrc\n```\n\n* 下载 SMAC 地图，并将其移动到 `~\u002FStarCraftII\u002FMaps\u002F`。\n* 若要使用 stableid，请从 https:\u002F\u002Fgithub.com\u002FBlizzard\u002Fs2client-proto.git 复制 `stableid.json` 到 `~\u002FStarCraftII\u002F`。\n\n对于 SMAC v2，请参考 https:\u002F\u002Fgithub.com\u002Foxwhirl\u002Fsmacv2.git。请确保您的 `SMAC_Maps` 文件夹中包含 `32x32_flat.SC2Map` 地图文件。\n\n### 2.2 Hanabi\nHanabi 的环境代码基于开源环境代码开发，但经过轻微修改以适配此处使用的算法。\n安装步骤如下：\n``` Bash\npip install cffi\ncd envs\u002Fhanabi\nmkdir build & cd build\ncmake ..\nmake -j\n```\n\nHanabi 的所有模型均可在此处下载：[models](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1RIcP_rG9NY9UzaWfFsIncDcjASk5h4Nx?usp=sharing)。\n\n### 2.3 MPE\n\n``` Bash\n# 首先安装此包\npip install seaborn\n```\n\nMPE 中包含 3 种合作场景：\n* simple_spread\n* simple_speaker_listener，即论文中的“Comm”场景\n* simple_reference\n\n### 2.4 GRF\n\n请参阅 [football](https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Ffootball\u002Fblob\u002Fmaster\u002FREADME.md) 仓库以安装足球环境。\n\n## 3. 训练\n以下以 train_mpe.sh 为例：\n``` \ncd onpolicy\u002Fscripts\nchmod +x .\u002Ftrain_mpe.sh\n.\u002Ftrain_mpe.sh\n```\n\n本地结果将存储在 scripts\u002Fresults 子文件夹中。请注意，我们默认使用 Weights & Biases 作为可视化平台；若要使用 Weights & Biases，需先注册并登录该平台。更多关于 Weights & Biases 的使用说明可在其官方文档中找到：[文档](https:\u002F\u002Fdocs.wandb.ai\u002F)。如果在命令行或 .sh 文件中添加 `--use_wandb` 参数，则会使用 TensorBoard 而不是 Weights & Biases。\n\n我们还提供了 `.\u002Feval_hanabi_forward.sh`，用于评估 Hanabi 在 10 万次试验中的得分。\n\n## 4. 引用\n如果您觉得本仓库有用，请引用我们的论文（https:\u002F\u002Farxiv.org\u002Fabs\u002F2103.01955）：\n``` \n@inproceedings{\nyu2022the,\ntitle={The Surprising Effectiveness of {PPO} in Cooperative Multi-Agent Games},\nauthor={Chao Yu and Akash Velu and Eugene Vinitsky and Jiaxuan Gao and Yu Wang and Alexandre Bayen and Yi Wu},\nbooktitle={Thirty-sixth Conference on Neural Information Processing Systems Datasets and Benchmarks Track},\nyear={2022}\n}\n```","# on-policy (MAPPO) 快速上手指南\n\n本指南帮助中国开发者快速部署并运行基于 PyTorch 的多智能体强化学习算法 MAPPO。\n\n## 1. 环境准备\n\n*   **操作系统**: Linux (推荐 Ubuntu)\n*   **Python 版本**: 3.6+ (官方示例使用 3.6.1)\n*   **深度学习框架**: PyTorch (需匹配本地 CUDA 版本，官方示例为 CUDA 10.1 + Torch 1.5.1)\n*   **依赖环境**:\n    *   **StarCraft II (SMAC)**: 需单独安装 SC2 客户端及地图文件。\n    *   **Hanabi**: 需编译 C++ 扩展。\n    *   **MPE\u002FGRF**: 需安装对应的 Python 环境包。\n*   **可视化工具**: 默认使用 Weights & Biases (W&B)，也可切换为 TensorBoard。\n\n> **注意**：本仓库默认所有智能体共享同一个策略网络（Parameter Sharing）。\n\n## 2. 安装步骤\n\n### 2.1 创建虚拟环境并安装 PyTorch\n以下以 CUDA 10.1 为例，其他版本请参考 [PyTorch 官网](https:\u002F\u002Fpytorch.org\u002Fget-started\u002Flocally\u002F) 或替换对应版本号。\n\n```Bash\n# 创建 conda 环境\nconda create -n marl python==3.6.1\nconda activate marl\n\n# 安装 PyTorch (根据实际 CUDA 版本调整，国内用户可使用清华源加速)\npip install torch==1.5.1+cu101 torchvision==0.6.1+cu101 -f https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Ftorch_stable.html\n# 可选：使用清华源加速常规包安装\npip config set global.index-url https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n### 2.2 安装 on-policy 核心包\n\n```Bash\ncd on-policy\npip install -e .\n```\n*提示：`requirements.txt` 可能包含冗余依赖，建议先运行代码，缺什么装什么。*\n\n### 2.3 安装特定环境依赖 (按需选择)\n\n#### A. StarCraft II (SMAC)\n下载 SC2 客户端 (4.10 版本) 并配置路径：\n```Bash\nunzip SC2.4.10.zip\n# 解压密码为 iagreetotheeula\necho \"export SC2PATH=~\u002FStarCraftII\u002F\" >> ~\u002F.bashrc\nsource ~\u002F.bashrc\n```\n*   将 SMAC 地图文件移至 `~\u002FStarCraftII\u002FMaps\u002F`。\n*   若需稳定 ID，将 `stableid.json` 复制至 `~\u002FStarCraftII\u002F`。\n*   **SMAC v2**: 请参照 [smacv2](https:\u002F\u002Fgithub.com\u002Foxwhirl\u002Fsmacv2.git) 安装，并确保 `SMAC_Maps` 文件夹中包含 `32x32_flat.SC2Map`。\n\n#### B. Hanabi\n需编译 C 扩展：\n```Bash\npip install cffi\ncd envs\u002Fhanabi\nmkdir build & cd build\ncmake ..\nmake -j\n```\n\n#### C. MPE (Multiagent Particle-World)\n```Bash\npip install seaborn\n```\n\n#### D. GRF (Google Research Football)\n请参考 [football 官方仓库](https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Ffootball\u002Fblob\u002Fmaster\u002FREADME.md) 进行安装。\n\n## 3. 基本使用\n\n### 3.1 开始训练\n以 MPE 环境为例，进入脚本目录并赋予执行权限后运行：\n\n```Bash\ncd on-policy\u002Fscripts\nchmod +x .\u002Ftrain_mpe.sh\n.\u002Ftrain_mpe.sh\n```\n\n*   **修改场景**: 编辑 `.sh` 文件或查看 `scripts\u002Ftrain\u002F` 下的 Python 脚本，可更改地图名称（如 `simple_spread`, `simple_speaker_listener` 等）。\n*   **其他环境**: 脚本命名规则为 `train_algo_environment.sh` (例如 `train_mappo_smac.sh`)。\n\n### 3.2 结果可视化\n*   **默认**: 使用 **Weights & Biases (W&B)**。首次使用需注册账号并登录。\n*   **切换 TensorBoard**: 在命令行或 `.sh` 脚本中添加 `--use_wandb` 参数即可禁用 W&B 并启用 TensorBoard。\n*   **结果存储**: 本地结果默认保存在 `scripts\u002Fresults` 子文件夹中。\n\n### 3.3 模型评估 (以 Hanabi 为例)\n运行提供的评估脚本进行 10 万次试验评分：\n```Bash\n.\u002Feval_hanabi_forward.sh\n```\n\n> **重要提示**: 复现论文结果前，请务必检查关键超参数（如 rollout threads, episode length, ppo epoch, clip term 等）。针对不同地图\u002F场景的优化脚本已更新至 `\u002Ftrain\u002Ftrain_xxx_scripts\u002F*.sh`，建议优先使用这些脚本。","某自动驾驶研发团队正在利用多智能体强化学习训练车队在复杂路口的协同通行策略，以解决无信号灯路口的拥堵问题。\n\n### 没有 on-policy 时\n- 团队需从零复现论文算法，因超参数描述模糊（如 rollout 线程数、PPO epoch 等），导致模型难以收敛或性能远低于预期。\n- 缺乏针对 StarCraftII (SMAC) 或 Google Football 等主流基准环境的标准化封装，开发人员需耗费大量时间编写环境交互代码。\n- 多智能体间策略共享机制实现困难，容易出现各车辆“各自为战”而非协同配合的情况，无法验证合作博弈的有效性。\n- 调试过程极其耗时，由于缺少官方提供的训练脚本和基线曲线，难以判断是代码错误还是参数设置不当导致训练失败。\n\n### 使用 on-policy 后\n- 直接调用官方提供的 MAPPO 实现及经过验证的超参数配置，迅速在仿真环境中复现出论文级别的协同效果。\n- 利用内置的 SMAC、MPE 及 Google Football 等环境包装器，无需重复造轮子，即可将车队逻辑快速迁移至标准测试床。\n- 默认启用全局共享策略网络，天然支持多车协同决策，显著提升了车队在无信号灯路口的通行效率和安全性。\n- 借助官方更新的训练脚本和详细附录指导，快速定位并修正了早期实验中的参数偏差，大幅缩短了研发迭代周期。\n\non-policy 通过提供经过严格验证的多智能体 PPO 官方实现，让研发团队从繁琐的算法复现中解放出来，专注于核心策略的创新与落地。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmarlbenchmark_on-policy_5ad625a7.png","marlbenchmark","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmarlbenchmark_a523c8c3.png","This is a benchmark of popular multi-agent reinforcement learning algorithms & environments",null,"https:\u002F\u002Fsites.google.com\u002Fview\u002Fmarlbenchmarks","https:\u002F\u002Fgithub.com\u002Fmarlbenchmark",[79,83,87,91,95],{"name":80,"color":81,"percentage":82},"Python","#3572A5",83.1,{"name":84,"color":85,"percentage":86},"C++","#f34b7d",12.3,{"name":88,"color":89,"percentage":90},"Shell","#89e051",3.8,{"name":92,"color":93,"percentage":94},"C","#555555",0.9,{"name":96,"color":97,"percentage":98},"CMake","#DA3434",0.1,1956,373,"2026-04-10T11:30:41","MIT",4,"Linux","非必需（支持非 GPU 运行），若使用 GPU 需 NVIDIA 显卡，示例环境为 CUDA 10.1，具体版本取决于用户安装的 PyTorch","未说明",{"notes":108,"python":109,"dependencies":110},"1. 默认假设所有智能体共享同一策略网络。2. 针对不同环境（StarCraftII, Hanabi, MPE, GRF）有额外的安装步骤：StarCraftII 需手动下载游戏客户端和地图文件；Hanabi 需要编译 C++ 代码；MPE 需安装 seaborn；GRF 需参考其官方仓库安装。3. 强烈建议在运行前检查超参数（如 rollout threads, episode length 等），作者提供了针对各场景的脚本以避免复现问题。4. 可视化默认使用 Weights & Biases，也可通过参数切换为 Tensorboard。","3.6.1",[111,112,113,114,115,116],"torch==1.5.1+cu101","torchvision==0.6.1+cu101","cffi","seaborn","Weights & Biases (可选)","Tensorboard (可选)",[13],[119,120,121,122,123,124,125,126],"hanabi","mappo","smac","mpes","starcraftii","ppo","multi-agent","algorithms","2026-03-27T02:49:30.150509","2026-04-11T10:03:08.358320",[130,135,140,145,150,155,160],{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},29310,"安装依赖时遇到 CUDA\u002FcuDNN 版本冲突或 RuntimeError: CUDNN_STATUS_EXECUTION_FAILED 错误怎么办？","这通常是因为显卡驱动、CUDA 版本与 PyTorch 版本不匹配（例如 RTX 3060 需要 CUDA 11.0+，而旧环境可能默认使用 CUDA 10.2）。建议不要直接使用 yaml 文件一键安装，而是参考 PyTorch 官网，根据显卡型号手动逐个安装兼容的包。检查命令：双查 cuda 版本和 torch 版本以确保一致。","https:\u002F\u002Fgithub.com\u002Fmarlbenchmark\u002Fon-policy\u002Fissues\u002F14",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},29311,"MAPPO 是否支持连续动作空间（Continuous Action Space）？如何修改？","支持。用户可以将 environment.py 中的 discrete_action 设置为 False。虽然代码可以运行，但有用户反馈连续动作空间下的实验结果略逊于离散版本。具体实现可能需要参考其他用户的代码修改或进一步调试网络结构以适配连续输出。","https:\u002F\u002Fgithub.com\u002Fmarlbenchmark\u002Fon-policy\u002Fissues\u002F36",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},29312,"训练代码中为什么在 train() 之后调用 buffer[agent_id].after_update()？","这是为了处理回合（episode）结束后的状态衔接。在某些情况下，环境在一个 episode 结束后并不一定完全终止，智能体需要基于上一个 episode 最后的观察值获取下一个动作。after_update() 的作用是将 buffer 中的最后一步数据（buffer[-1]）复制到起始位置（buffer[0]），以确保策略更新的连续性。","https:\u002F\u002Fgithub.com\u002Fmarlbenchmark\u002Fon-policy\u002Fissues\u002F38",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},29313,"IPPO 的超参数设置与 MAPPO 有何不同？","主要区别在于 '--use_centralized_V' 参数：IPPO 设为 False，MAPPO 设为 True。此外，'--use_policy_active_masks' 通常始终为 true，而 '--use_value_active_masks' 取决于具体任务或环境。关于价值归一化，论文建议使用 PopArt，但默认配置（config.py）中实际使用的是 valuenorm（即 '--use_valuenorm' 为 true）。","https:\u002F\u002Fgithub.com\u002Fmarlbenchmark\u002Fon-policy\u002Fissues\u002F9",{"id":151,"question_zh":152,"answer_zh":153,"source_url":154},29314,"运行 render_mpe.sh 时出现 'ModuleNotFoundError: No module named onpolicy' 错误如何解决？","该错误通常是因为 Python 环境变量中未正确识别 onpolicy 模块。尽管模块文件存在，但可能未安装在当前激活的环境中或未将项目根目录加入 PYTHONPATH。请确保在安装依赖后，以可编辑模式安装项目（例如使用 pip install -e .），或者在执行脚本前导出 PYTHONPATH 指向项目根目录。","https:\u002F\u002Fgithub.com\u002Fmarlbenchmark\u002Fon-policy\u002Fissues\u002F67",{"id":156,"question_zh":157,"answer_zh":158,"source_url":159},29315,"QMIX(MG) 的输入状态是如何构建的？与 MAPPO 的特征剪枝状态相比公平吗？","QMIX(MG) 使用的是默认环境全局状态与所有智能体局部观察的拼接，而不是特征剪枝（Feature-Pruned, FP）的状态。这样做是为了与不使用特征剪枝的 MAPPO(AS) 进行公平对比。实验表明，MAPPO 在使用 FP 状态和 AS 状态时的性能非常相似，FP 仅在极少数地图上有显著提升，因此这种对比方式是合理的。","https:\u002F\u002Fgithub.com\u002Fmarlbenchmark\u002Fon-policy\u002Fissues\u002F25",{"id":161,"question_zh":162,"answer_zh":163,"source_url":149},29316,"SMAC 环境下的推荐训练启动命令和关键参数是什么？","以下是一个典型的训练脚本示例（以 StarCraft2 MMM 地图为例）：\npython train\u002Ftrain_smac.py --env_name StarCraft2 --algorithm_name rmappo --experiment_name ippo_test --map_name MMM --seed ${seed} --n_training_threads 127 --n_rollout_threads 8 --num_mini_batch 1 --episode_length 400 --num_env_steps 5000000 --ppo_epoch 15 --use_eval --use_wandb --use_centralized_V\n关键参数包括多线程设置、步数、PPO epoch 数以及是否使用中心化价值函数。",[]]