Shumai est une puissante bibliothèque de tenseurs conçue pour JavaScript et TypeScript, créée par Facebook Research (FAIR). La bibliothèque se distingue par ses performances élevées, sa connectivité réseau et ses capacités différentiables. Construite en utilisant Bun et Flashlight, elle permet aux développeurs d'intégrer sans effort des fonctionnalités d'apprentissage profond et d'apprentissage automatique dans des applications Web. Elle prend en charge des fonctionnalités telles que le calcul sur GPU, ce qui la rend idéale pour des calculs scientifiques complexes et l'entraînement de modèles. Shumai vise à fournir un environnement robuste pour développer des modèles d'apprentissage automatique avancés dans un écosystème TypeScript.

NKC Multi-Agent Models fournit aux chercheurs et développeurs une boîte à outils complète pour concevoir, entraîner et évaluer des systèmes d'apprentissage par renforcement multi-agents. Elle dispose d'une architecture modulaire où les utilisateurs définissent des politiques agents personnalisées, des dynamiques d’environnement et des structures de récompense. L’intégration transparente avec OpenAI Gym permet un prototypage rapide, tandis que le support de TensorFlow et PyTorch offre une flexibilité dans le choix des moteurs d’apprentissage. Le framework inclut des utilitaires pour la rejouabilité d’expérience, la formation centralisée avec exécution décentralisée, et la formation distribuée sur plusieurs GPUs. Des modules de journalisation et de visualisation étendus capturent les métriques de performance, facilitant le benchmarking et l’ajustement des hyperparamètres. En simplifiant la mise en place de scénarios coopératifs, compétitifs et mixtes, NKC Multi-Agent Models accélère l’expérimentation dans des domaines comme les véhicules autonomes, les essaims robotiques et l’IA de jeu.