Synthesis是一個由SpaceX學校開發的在線教育平台，旨在促進兒童的創造力、問題解決能力和團隊合作。通過基於遊戲的學習和互動挑戰，鼓勵兒童發展批判性思維和合作技能。Synthesis旨在提供一個動態和引人入勝的教育體驗，幫助兒童培養未來創新的所需技能。

Berkeley Pacman Projects的倉庫提供一個模組化的Python程式碼庫，讓用戶在Pacman迷宮中建立並測試AI代理。它引導學習者進行非知情和知情搜尋（DFS、BFS、A*）、對抗性多智能體搜尋（minimax、alpha-beta剪枝），以及強化學習（Q-learning與特徵擷取）。整合的圖形界面實時視覺化代理行為，內建測試案例與自動評分驗證算法正確性。透過反覆實作算法，使用者能在統一的遊戲框架中累積狀態空間探索、啟發式設計、對抗性推理與獎勵導向學習的實務經驗。

Edukade是一個創新的平台，旨在徹底改變教育內容的創建和交付方式。通過利用手動拖放工具或先進的AI技術，用戶可以創建引人入勝和互動式的學習遊戲。這使得教育者可以節省時間，同時顯著提高學生參與度和學業成果。該平台旨在使學習變得愉快和有效，為教師、家長和教育機構提供多功能的工具集，以促進更具動態和互動性的學習體驗。

TCGame是一個創新的平台，利用以遊戲為基礎的學習來增強認知技能並促進用戶之間的合作。通過結合互動和愉快的活動，用戶可以提高問題解決能力、記憶力和團隊合作技能。這個平台旨在使學習成為一個有趣和有效的體驗，適合各種教育環境和用戶群體。

Dino Reinforcement Learning提供一整套工具，用於訓練AI代理通過強化學習遊玩Chrome恐龍遊戲。通過與Selenium的無頭Chrome實例集成，它捕捉實時遊戲畫面並將其處理為優化深度Q網路輸入的狀態表示。該框架包括重播記憶體、epsilon-greedy探索、卷積神經網路模型以及可定制超參數的訓練循環。用戶可以通過控制台日誌監控訓練進展，並保存檢查點以供後續評估。訓練完成後，代理可以自動自主應用或與不同模型架構進行基準測試。模組化設計使得更換RL算法變得簡單，是一個彈性良好的實驗平台。

Multi-Agent Miners提供一個基於網格的世界環境，數個自主礦工代理在互動中導航、挖掘並收集資源。支援可配置的地圖大小、代理數量和獎勵結構，用戶可創建競爭或合作場景。該框架與流行的RL庫透過PettingZoo整合，提供標準化的API用於重置、步進和渲染功能。視覺化模式與記錄支援幫助分析行為與結果，適合用於研究、教育和算法基準測試。

Sayve 是一款創新的應用程序，將遊戲與金融教育相結合。用戶選擇一個角色，並開始任務，教導他們金融素養技能，如預算、儲蓄和賺錢。這款遊戲旨在使學習財務管理變得有趣且互動，將必要的財務原則與引人入勝的遊戲玩法相結合。通過參與這些活動，用戶可以以愉快的方式改善自己的財務習慣和知識。