Mava是一個基於JAX的開源函式庫，用於開發、訓練和評估多智能體增強學習系統。它提供協作型和競爭型算法如MAPPO和MADDPG的預建實作，以及支持單節點和分散式工作流程的可配置訓練循環。研究人員可以從PettingZoo導入環境或自定義環境，並利用Mava的模組化元件進行策略優化、重播緩衝管理與指標日誌。其靈活架構支持新算法、客製化觀察空間和獎勵結構的無縫整合。利用JAX的自動向量化和硬體加速能力，Mava確保高效的大規模實驗及各種多智能體場景下的可重複基準測試。

MGym是一個專門用於在Python中構建與管理多智能體強化學習（MARL）環境的框架。用戶可以定義多個智能體的複雜場景，每個智能體都具有可自定義的觀察和行動空間、獎勵函數及互動規則。MGym支援同步與非同步兩種執行模式，提供平行與輪換式的智能體模擬。採用類似Gym的API設計，與Stable Baselines、RLlib和PyTorch等流行RL庫無縫整合。內建工具模組用於環境基準測試、結果視覺化及績效分析，方便系統性評估MARL演算法。其模組化架構允許快速原型設計合作、競爭或混合型智能體任務，幫助研究人員與開發者加速MARL實驗與研究。

SeeAct 設計目的是為視覺語言代理提供雙階段管線：由大型語言模型驅動的規劃模塊生成基於觀察場景的子目標，執行模塊將子目標轉化為環境特定的行動。感知骨幹從圖像或模擬中提取物件與場景特徵。模塊化架構允許輕鬆替換規劃器或感知網絡，並支持在 AI2-THOR、Habitat 及自訂環境中的評估。SeeAct 促進互動式 embodied AI 研究，提供端到端的任務分解、歸屬與執行。

RoboCup Rescue Agent Simulation是一個開源框架，模擬多個AI驅動的代理在城市災害環境中合作，尋找並拯救受害者。它提供導航、地圖、通信及感測器整合介面。用戶可撰寫自訂的代理策略、執行批次實驗及視覺化代理表現指標。平台支持場景配置、日誌記錄與結果分析，加速多代理系統及災難反應算法的研究。

HyperBrowser 透過在每次線上互動中嵌入生成式 AI 功能，革新標準網頁瀏覽體驗。用戶可以選取任何網頁文本，即時獲得簡潔摘要或詳細說明，使用自然語言提問以提取特定資訊，並自動產生報告或內容草稿。內建的表格與數據提取工具，可無縫獲取結構化資料集，而內置的程式碼協助功能，支援開發者生成程式碼片段與除錯功能。擴展還支持聊天機器人對話、PDF 總結及可自訂的工作流程，以自動化表格填寫或社群媒體監控等重複任務。透過整合多項 AI 功能於單一界面，HyperBrowser 加速研究、分析與內容創作，讓網頁瀏覽變得更聰明、更高效。

Patrolling-Zoo提供一個彈性的框架，讓用戶能在Python中建立與實驗多智慧體巡邏任務。庫內包含多種基於格子與圖形的模擬環境，模擬監控、巡查與覆蓋場景。用戶可自行設定智慧體數量、地圖大小、拓撲結構、獎勵和觀測空間。藉由與PettingZoo與Gym API的相容性，支援與流行強化學習演算法的順暢整合。此環境便於在一致設定下進行基準測試與技術比較。通過提供標準場景與自訂工具，促進自主機器人、安保監控、搜尋救援及多智慧體協調策略的研究與應用。

Aeiva是一個以開發者為本的平台，允許您在彈性的模擬環境中建立、部署和評估自主AI代理。它具有插件式引擎用於環境定義、直觀API用於自訂代理決策循環，以及內建的性能度量收集功能。框架支持與OpenAI Gym、PyTorch和TensorFlow整合，並提供即時網站界面監控實時模擬。Aeiva的基準測試工具可讓您組織代理錦標賽、記錄結果，並視覺化代理行為，以微調策略並加快多代理人工智慧研究。