- - - praxis - юридический ассистент, который можно проверить - - - Отвечает на вопрос по российскому праву и приводит конкретные нормы, на которых - ответ держится, — каждую ссылку система проверяет отдельно. Поиск гибридный: - BM25 плюс плотные эмбеддинги с кросс-энкодерным реранкером, а NLI-модель проверяет, - что процитированная норма действительно подтверждает тезис, — так правдоподобная, - но неверная ссылка отсекается до выдачи. Ответ по умолчанию экстрактивный, это текст - самого закона, и он не может галлюцинировать; опциональный слой LLM проходит ту же - проверку. - - - RAG - Python 3.12 - FastAPI - Postgres + pgvector - BGE-M3 - GraphRAG - self-RAG - Docker - - - Репозиторий - Релизы - Архитектура - + + + + + praxis + Apache-2.0 + Юридический ассистент, цитаты которого проверены, а не заявлены. + + Отвечает на вопрос по российскому праву и возвращает нормы, на которых стоит ответ. + Поиск гибридный — лексический плюс плотный, с переранжированием кросс-энкодером, — а + NLI-модель проверяет, что процитированная норма действительно подтверждает утверждение: + правдоподобная, но неверная ссылка отсекается, а не уходит пользователю. Ответ по + умолчанию экстрактивный, дословный текст закона, и галлюцинировать не может. + + + Документация + Репозиторий + Архитектура + + - - - - - - $ docker compose up app - # → localhost:8077, без ключей - - - ЛицензияApache-2.0 - Последний релизv0.1.0 - Корпус4 717 норм - recall@5 · MRR0,92 · 0,94 - + + + Последний релизv0.1.0 + recall@50.92 + MRR0.94 + ЗапускPython 3.12 · Docker + + + + + + $ docker compose up app + # localhost:8077, без ключей + + + Качество поиска замерено на золотом наборе по полному корпусу и отслеживается от запуска + к запуску. + + + + + + + + + mlango + MIT - - - - - - - mlango - фреймворк для ML, аналитики и LLM-агентов - - - Философия Django, применённая к машинному обучению. Вы объявляете датасеты, модели, - агентов и оценки; фреймворк их запускает, версионирует, записывает и показывает. - Одно тело класса разом становится страницей админки, документированным эндпоинтом - API, миграцией и целью в CLI. Агенты — полноправное семейство рядом с моделями: - общий метастор, общая админка, общая система оценки. Большинство инструментов - в этой области рассчитаны либо на классический ML, либо на LLM, а большинство - команд занимаются и тем и другим. - - - Фреймворк - Python 3.10+ - scikit-learn - PyTorch - LLM-агенты - Админка - Миграции - Плагины - - - Документация - PyPI - Репозиторий - + Философия Django, применённая к машинному обучению. + + Вы объявляете датасеты, модели, агентов и оценки; фреймворк их запускает, версионирует, + записывает и показывает вам. Одно тело класса становится страницей админки, + документированным эндпоинтом, миграцией и целью в CLI одновременно. Агенты стоят рядом с + моделями как равное семейство: одно хранилище метаданных, одна админка, одна система + оценки. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install "mlango[sklearn]" - $ mlango startproject myproject - - - ЛицензияMIT - Последний релизv0.2.0 - ТребуетPython ≥ 3.10 - Декларативных семейств4 - + + + Последний релизv0.2.0 + ТребуетсяPython ≥ 3.10 + Декларативных семейств4 + Матрица CI4 версии · 3 платформы + + + + + + $ pip install "mlango[sklearn]" + $ mlango startproject myproject - - - - - - - glia - минимальная библиотека для LLM-агентов со стеклянным ящиком - - - Каждый вызов модели, вызов инструмента и переход состояния — обычный объект, который - можно залогировать, сохранить снимком и воспроизвести. Весь цикл умещается в один - файл, который читается за вечер. Современные приёмы — инструменты, структурированные - ответы, сжатие контекста, устойчивые чекпоинты, guardrails, субагенты, - evals-as-tests — поставляются как примитивы, которые можно прочитать, а не как - монолит, которому нужно доверять. Нужен графовый движок — берите LangGraph; нужен - маленький прозрачный цикл, который вы понимаете целиком, — берите этот. - - - LLM-агенты - Python 3.10+ - Ноль обязательных зависимостей - Типизировано - Воспроизводимые трейсы - Desktop-оболочка - - - Документация - PyPI - Репозиторий - + + + + + + + + glia + MIT + + Агентный цикл, который читается за один вечер. + + Каждый вызов модели, вызов инструмента и переход состояния — обычный объект, который + можно записать, снять снимком и воспроизвести. Современные приёмы — инструменты, + структурированные ответы, компактизация контекста, устойчивые чекпоинты, ограничители, + подагенты, оценки как тесты — поставляются подключаемыми примитивами, которые читаются, + а не монолитом, которому надо доверять. Нужен графовый движок — берите LangGraph. Нужен + маленький прозрачный цикл, который вы понимаете целиком, — берите это. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install glia-agents - # ядру больше ничего не нужно - - - ЛицензияMIT - Последний релизv0.8.2 - ТребуетPython ≥ 3.10 - Зависимостей ядра0 - + + + Последний релизv0.8.2 + ТребуетсяPython ≥ 3.10 + Зависимостей ядра0 + Порог покрытия90% + + + + + + $ pip install glia-agents + # ядру больше ничего не нужно - - - - - - - decisionrl - обучение с подкреплением для операционных решений - - - Ценообразование, запасы, энергетика, очереди и цепи поставок — решения, которые - бизнес принимает тысячи раз в день и где небольшое улучшение политики накапливается. - Каждое прикладное окружение поставляется вместе с классическим решением из - исследования операций, поэтому обученная политика измеряется против стандартного - метода, а не объявляется хорошей. Там, где классика уже оптимальна, README прямо - об этом говорит. - - - Reinforcement learning - Python 3.9+ - PyTorch - NumPy - Gymnasium - mypy - ruff - - - Документация - PyPI - Репозиторий - + + + + + + + + decisionrl + MIT + + Обучение с подкреплением для решений, у которых есть функция издержек. + + Ценообразование, запасы, энергетика, очереди и цепочки поставок: решения, которые бизнес + принимает тысячи раз в день, где небольшое улучшение политики накапливается. Каждая + прикладная среда идёт вместе с классической базовой линией из исследования операций, + поэтому выученная политика измеряется против стандартного метода. Там, где классический + метод уже оптимален, документация говорит об этом и показывает, как выученная политика + его повторяет. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install decisionrl - # или "decisionrl[gym]" - - - ЛицензияMIT - Последний релизv0.4.0 - Алгоритмов31 - Окружений22 (9 прикладных) - + + + Последний релизv0.4.0 + Алгоритмов31 + Сред22 · 9 прикладных + Покрытие строк86% + + + + + + $ pip install decisionrl + # или "decisionrl[gym]" - + + Ночная задача переобучает прикладные задачи на нескольких сидах, поэтому цифра в + документации падает сразу, как перестаёт быть правдой. + + + - - - + + + + + stadion + MIT + + Полигон, где агент оценивается против точного оптимума. + + Задачи операционных решений с двумя опорными плечами рядом с каждым агентом: настроенный + классический метод и оптимум, посчитанный динамическим программированием. Результат + выдаётся с доверительным интервалом и ставится на эту шкалу, поэтому «лучше» означает + расстояние до достижимого предела, а не позицию в таблице лидеров. + + + Репозиторий + PyPI + + - - - - - Курс · бесплатно - Хотите разобраться в ML, DL и RL? Вот весь путь, бесплатно. - - lemma — дорожная карта по машинному обучению, нейросетям, обучению - с подкреплением и рекомендательным системам: двадцать семь модулей от арифметики - среднего до воспроизведения свежей статьи. Без регистрации, без «первый модуль - бесплатно», без рассрочки. Центральный навык — проверка утверждения, а не запуск - обучения: первый модуль про базовые линии и доверительные интервалы, до всякого - машинного обучения. Ноутбуки считаются на CPU за секунды. - - - Начать курс - Репозиторий + + + Последний релизv0.1.0 + Дистрибутивstadion-rl + Опорных плеч2 на задачу + Матрица CI4 версии · 3 платформы + + + + + + $ pip install stadion-rl + # оптимум считается, а не предполагается + - + - - + + - - Что мы делаем - Та часть работы, которую обычно пропускают - - Модель, которая работает в ноутбуке, — это треть системы. Остальное — структура, - доказательства и интерфейс. Именно это мы и выпускаем. - + + Курс и исследования + Написано так, чтобы это можно было проверить - - - - - - Структура, которая переживёт спринт + + + lemma — дорога в ML, DL и RL - Разметка проекта, модуль настроек, декларативные классы и миграции — ответ, который - веб-разработка нашла раньше. Это то, что не даёт ML-репозиторию превратиться в кучу - скриптов и папку checkpoints/, которую никто не может сопоставить - с коммитом. + Двадцать семь модулей: от арифметики среднего до воспроизведения свежей статьи. Без + регистрации, без «первый модуль бесплатно», без рассрочек. Центральный навык — проверить + утверждение, а не запустить обучение, поэтому модуль первый про базовые линии и + доверительные интервалы, ещё до всякого машинного обучения. Ноутбуки считаются на CPU за + секунды и выполняются в CI на Linux и Windows, потому что у читателя, у которого ноутбук + не запустился, нет курса. - - - - - + + Открыть курс + Репозиторий - Цифры, которые можно воспроизвести + + research — открытые разборы статей - Прогоны версионируются и адресуются по содержимому, зерно ГПСЧ фиксируется, - разбиения детерминированы, а вместе с метриками сохраняется git-коммит. Опубликованная - цифра идёт вместе со скриптом, который её получает, — её можно проверить, а не принять - на веру. + Разборы по машинному обучению, обучению с подкреплением, нейронаукам и методам проверки + утверждений. Статья сообщает, что она нашла; разбор пишет, что она показала — это + меньше, — и отмечает расстояние между первым и вторым. Каждый разбор объявляет + источники, и CI отклоняет тот, который этого не делает. + + Читать разборы + - - - - - Интерфейсы, а не только библиотеки - - Страница админки, документированный HTTP API и цель в CLI, порождённые из одного - объявления. Результат доступен коллеге, который никогда не откроет исходники, — а это - обычно и есть разница между прототипом и инструментом. + + + lemma · модулей27 + lemma · языкрусский + lemma · лицензияCC BY 4.0 · MIT + research · лицензияCC BY 4.0 · MIT + Ценабесплатно + + + Текст под CC BY 4.0, код под MIT. Единственное условие — указать авторство. - - + + - - Как мы работаем + + Метод Пять правил, которым подчиняется каждый репозиторий - - Это критерии ревью, а не пожелания. Pull request, нарушающий любое из них, получает + + Это критерии ревью, а не пожелания. Pull request, который нарушает одно из них, получает комментарии. - - + + 01 Ошибки учат - Сообщение читают в худший момент и без открытых исходников. Оно должно говорить, что - пошло не так и что делать дальше, а если есть варианты — перечислять их. + Сообщение читают в худший возможный момент и без открытого исходника. Оно должно сказать, + что пошло не так и что делать дальше, и перечислить альтернативы, когда они есть. - + 02 - Тесты названы по гарантии, которую защищают + Тест называется по гарантии, которую защищает test_assignment_is_stable_when_rows_are_added, а не test_split. - Тест, чьё имя не выдерживает чтения вслух, ничего не документирует. + Тест, название которого не переживает чтения вслух, ничего не документирует. - + 03 Проверка важнее утверждения Зелёный пайплайн на одной машине — не доказательство. Каждое публикуемое утверждение — - точность, бенчмарк, «это работает на Windows» — измеряется на том прогоне, который - описывает, а цифры в README закреплены тестами: проза портится тихо, а падающий тест — - нет. + точность, бенчмарк, «это работает на Windows» — измеряется на том запуске, который + описывает, а цифры в README закреплены тестами, потому что проза тихо портится, а + падающий тест — нет. - + 04 - Комментарии объясняют «почему» + Комментарий объясняет почему - Код уже говорит, что он делает. Комментарий нужен для ограничения, которого читатель - не видит. + Код уже говорит, что он делает. Комментарий нужен для ограничения, которого читатель не + видит. - + 05 Никакого скрытого потока управления Если фреймворк делает что-то за вас, должна быть возможность найти строку, где это - происходит. Удобство, которое нельзя проследить, — это долг без графика погашения. + происходит. - - + + - - Как участвовать - Issues и pull request приветствуются в любом проекте - - В каждом репозитории есть CONTRIBUTING.md — собственный или общий для - организации — со списком проверок CI и стандартами, которых будет требовать ревью. - Никакого неписаного правила, которое обнаруживается постфактум. - + + Лицензии и участие + Условия, в одном месте - + + + Лицензии + mlango, glia, decisionrl и stadion — MIT. praxis — Apache-2.0. Текст курса и разборов — CC BY 4.0, код в них — MIT. Коммерческое использование разрешено всеми. + - Внести вклад - Заведите issue с описанием изменения, затем pull request в основную ветку. Перед ревью CI прогоняется на Linux, macOS и Windows. + Участие + Откройте issue с описанием изменения, затем pull request в ветку по умолчанию. В каждом репозитории есть CONTRIBUTING.md — свой или общий для организации — с проверками, которые запустит CI, поэтому неписаных правил, которые обнаруживаются постфактум, нет. - Сообщить об уязвимости - Используйте приватный отчёт GitHub в соответствующем репозитории — никогда не публичный issue. + Сообщение об уязвимости + Через приватный механизм GitHub в затронутом репозитории. Никогда через публичный issue. Документация - Пишется на английском и русском так, чтобы третий язык был одним файлом на страницу, а не форком. + На английском и русском, устроена так, что третий язык — это один файл на страницу, а не форк. - Лицензии - mlango, glia и decisionrl — MIT, praxis — Apache-2.0. Коммерческое использование разрешено обеими. + Кодекс поведения + Contributor Covenant, общий для организации. Сообщения идут приватно на адрес из профиля организации. - - - - - Начните с проекта, ближайшего к вашей задаче - - Фреймворк для ML-работы, читаемый агентный цикл, библиотека для решений под ними и - разобранный пример поиска, который действительно можно проверить. Все четыре ставятся - одной командой. - - - Открыть организацию - Документация mlango - - - - -
+ + + praxis + Apache-2.0 + Юридический ассистент, цитаты которого проверены, а не заявлены. + + Отвечает на вопрос по российскому праву и возвращает нормы, на которых стоит ответ. + Поиск гибридный — лексический плюс плотный, с переранжированием кросс-энкодером, — а + NLI-модель проверяет, что процитированная норма действительно подтверждает утверждение: + правдоподобная, но неверная ссылка отсекается, а не уходит пользователю. Ответ по + умолчанию экстрактивный, дословный текст закона, и галлюцинировать не может. + + + Документация + Репозиторий + Архитектура + + - - - - - - $ docker compose up app - # → localhost:8077, без ключей - - - ЛицензияApache-2.0 - Последний релизv0.1.0 - Корпус4 717 норм - recall@5 · MRR0,92 · 0,94 - + + + Последний релизv0.1.0 + recall@50.92 + MRR0.94 + ЗапускPython 3.12 · Docker + + + + + + $ docker compose up app + # localhost:8077, без ключей + + + Качество поиска замерено на золотом наборе по полному корпусу и отслеживается от запуска + к запуску. + + + + + + + + + mlango + MIT - - - - - - - mlango - фреймворк для ML, аналитики и LLM-агентов - - - Философия Django, применённая к машинному обучению. Вы объявляете датасеты, модели, - агентов и оценки; фреймворк их запускает, версионирует, записывает и показывает. - Одно тело класса разом становится страницей админки, документированным эндпоинтом - API, миграцией и целью в CLI. Агенты — полноправное семейство рядом с моделями: - общий метастор, общая админка, общая система оценки. Большинство инструментов - в этой области рассчитаны либо на классический ML, либо на LLM, а большинство - команд занимаются и тем и другим. - - - Фреймворк - Python 3.10+ - scikit-learn - PyTorch - LLM-агенты - Админка - Миграции - Плагины - - - Документация - PyPI - Репозиторий - + Философия Django, применённая к машинному обучению. + + Вы объявляете датасеты, модели, агентов и оценки; фреймворк их запускает, версионирует, + записывает и показывает вам. Одно тело класса становится страницей админки, + документированным эндпоинтом, миграцией и целью в CLI одновременно. Агенты стоят рядом с + моделями как равное семейство: одно хранилище метаданных, одна админка, одна система + оценки. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install "mlango[sklearn]" - $ mlango startproject myproject - - - ЛицензияMIT - Последний релизv0.2.0 - ТребуетPython ≥ 3.10 - Декларативных семейств4 - + + + Последний релизv0.2.0 + ТребуетсяPython ≥ 3.10 + Декларативных семейств4 + Матрица CI4 версии · 3 платформы + + + + + + $ pip install "mlango[sklearn]" + $ mlango startproject myproject - - - - - - - glia - минимальная библиотека для LLM-агентов со стеклянным ящиком - - - Каждый вызов модели, вызов инструмента и переход состояния — обычный объект, который - можно залогировать, сохранить снимком и воспроизвести. Весь цикл умещается в один - файл, который читается за вечер. Современные приёмы — инструменты, структурированные - ответы, сжатие контекста, устойчивые чекпоинты, guardrails, субагенты, - evals-as-tests — поставляются как примитивы, которые можно прочитать, а не как - монолит, которому нужно доверять. Нужен графовый движок — берите LangGraph; нужен - маленький прозрачный цикл, который вы понимаете целиком, — берите этот. - - - LLM-агенты - Python 3.10+ - Ноль обязательных зависимостей - Типизировано - Воспроизводимые трейсы - Desktop-оболочка - - - Документация - PyPI - Репозиторий - + + + + + + + + glia + MIT + + Агентный цикл, который читается за один вечер. + + Каждый вызов модели, вызов инструмента и переход состояния — обычный объект, который + можно записать, снять снимком и воспроизвести. Современные приёмы — инструменты, + структурированные ответы, компактизация контекста, устойчивые чекпоинты, ограничители, + подагенты, оценки как тесты — поставляются подключаемыми примитивами, которые читаются, + а не монолитом, которому надо доверять. Нужен графовый движок — берите LangGraph. Нужен + маленький прозрачный цикл, который вы понимаете целиком, — берите это. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install glia-agents - # ядру больше ничего не нужно - - - ЛицензияMIT - Последний релизv0.8.2 - ТребуетPython ≥ 3.10 - Зависимостей ядра0 - + + + Последний релизv0.8.2 + ТребуетсяPython ≥ 3.10 + Зависимостей ядра0 + Порог покрытия90% + + + + + + $ pip install glia-agents + # ядру больше ничего не нужно - - - - - - - decisionrl - обучение с подкреплением для операционных решений - - - Ценообразование, запасы, энергетика, очереди и цепи поставок — решения, которые - бизнес принимает тысячи раз в день и где небольшое улучшение политики накапливается. - Каждое прикладное окружение поставляется вместе с классическим решением из - исследования операций, поэтому обученная политика измеряется против стандартного - метода, а не объявляется хорошей. Там, где классика уже оптимальна, README прямо - об этом говорит. - - - Reinforcement learning - Python 3.9+ - PyTorch - NumPy - Gymnasium - mypy - ruff - - - Документация - PyPI - Репозиторий - + + + + + + + + decisionrl + MIT + + Обучение с подкреплением для решений, у которых есть функция издержек. + + Ценообразование, запасы, энергетика, очереди и цепочки поставок: решения, которые бизнес + принимает тысячи раз в день, где небольшое улучшение политики накапливается. Каждая + прикладная среда идёт вместе с классической базовой линией из исследования операций, + поэтому выученная политика измеряется против стандартного метода. Там, где классический + метод уже оптимален, документация говорит об этом и показывает, как выученная политика + его повторяет. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install decisionrl - # или "decisionrl[gym]" - - - ЛицензияMIT - Последний релизv0.4.0 - Алгоритмов31 - Окружений22 (9 прикладных) - + + + Последний релизv0.4.0 + Алгоритмов31 + Сред22 · 9 прикладных + Покрытие строк86% + + + + + + $ pip install decisionrl + # или "decisionrl[gym]" - + + Ночная задача переобучает прикладные задачи на нескольких сидах, поэтому цифра в + документации падает сразу, как перестаёт быть правдой. + + + - - - + + + + + stadion + MIT + + Полигон, где агент оценивается против точного оптимума. + + Задачи операционных решений с двумя опорными плечами рядом с каждым агентом: настроенный + классический метод и оптимум, посчитанный динамическим программированием. Результат + выдаётся с доверительным интервалом и ставится на эту шкалу, поэтому «лучше» означает + расстояние до достижимого предела, а не позицию в таблице лидеров. + + + Репозиторий + PyPI + + - - - - - Курс · бесплатно - Хотите разобраться в ML, DL и RL? Вот весь путь, бесплатно. - - lemma — дорожная карта по машинному обучению, нейросетям, обучению - с подкреплением и рекомендательным системам: двадцать семь модулей от арифметики - среднего до воспроизведения свежей статьи. Без регистрации, без «первый модуль - бесплатно», без рассрочки. Центральный навык — проверка утверждения, а не запуск - обучения: первый модуль про базовые линии и доверительные интервалы, до всякого - машинного обучения. Ноутбуки считаются на CPU за секунды. - - - Начать курс - Репозиторий + + + Последний релизv0.1.0 + Дистрибутивstadion-rl + Опорных плеч2 на задачу + Матрица CI4 версии · 3 платформы + + + + + + $ pip install stadion-rl + # оптимум считается, а не предполагается + - + - - + + - - Что мы делаем - Та часть работы, которую обычно пропускают - - Модель, которая работает в ноутбуке, — это треть системы. Остальное — структура, - доказательства и интерфейс. Именно это мы и выпускаем. - + + Курс и исследования + Написано так, чтобы это можно было проверить - - - - - - Структура, которая переживёт спринт + + + lemma — дорога в ML, DL и RL - Разметка проекта, модуль настроек, декларативные классы и миграции — ответ, который - веб-разработка нашла раньше. Это то, что не даёт ML-репозиторию превратиться в кучу - скриптов и папку checkpoints/, которую никто не может сопоставить - с коммитом. + Двадцать семь модулей: от арифметики среднего до воспроизведения свежей статьи. Без + регистрации, без «первый модуль бесплатно», без рассрочек. Центральный навык — проверить + утверждение, а не запустить обучение, поэтому модуль первый про базовые линии и + доверительные интервалы, ещё до всякого машинного обучения. Ноутбуки считаются на CPU за + секунды и выполняются в CI на Linux и Windows, потому что у читателя, у которого ноутбук + не запустился, нет курса. - - - - - + + Открыть курс + Репозиторий - Цифры, которые можно воспроизвести + + research — открытые разборы статей - Прогоны версионируются и адресуются по содержимому, зерно ГПСЧ фиксируется, - разбиения детерминированы, а вместе с метриками сохраняется git-коммит. Опубликованная - цифра идёт вместе со скриптом, который её получает, — её можно проверить, а не принять - на веру. + Разборы по машинному обучению, обучению с подкреплением, нейронаукам и методам проверки + утверждений. Статья сообщает, что она нашла; разбор пишет, что она показала — это + меньше, — и отмечает расстояние между первым и вторым. Каждый разбор объявляет + источники, и CI отклоняет тот, который этого не делает. + + Читать разборы + - - - - - Интерфейсы, а не только библиотеки - - Страница админки, документированный HTTP API и цель в CLI, порождённые из одного - объявления. Результат доступен коллеге, который никогда не откроет исходники, — а это - обычно и есть разница между прототипом и инструментом. + + + lemma · модулей27 + lemma · языкрусский + lemma · лицензияCC BY 4.0 · MIT + research · лицензияCC BY 4.0 · MIT + Ценабесплатно + + + Текст под CC BY 4.0, код под MIT. Единственное условие — указать авторство. - - + + - - Как мы работаем + + Метод Пять правил, которым подчиняется каждый репозиторий - - Это критерии ревью, а не пожелания. Pull request, нарушающий любое из них, получает + + Это критерии ревью, а не пожелания. Pull request, который нарушает одно из них, получает комментарии. - - + + 01 Ошибки учат - Сообщение читают в худший момент и без открытых исходников. Оно должно говорить, что - пошло не так и что делать дальше, а если есть варианты — перечислять их. + Сообщение читают в худший возможный момент и без открытого исходника. Оно должно сказать, + что пошло не так и что делать дальше, и перечислить альтернативы, когда они есть. - + 02 - Тесты названы по гарантии, которую защищают + Тест называется по гарантии, которую защищает test_assignment_is_stable_when_rows_are_added, а не test_split. - Тест, чьё имя не выдерживает чтения вслух, ничего не документирует. + Тест, название которого не переживает чтения вслух, ничего не документирует. - + 03 Проверка важнее утверждения Зелёный пайплайн на одной машине — не доказательство. Каждое публикуемое утверждение — - точность, бенчмарк, «это работает на Windows» — измеряется на том прогоне, который - описывает, а цифры в README закреплены тестами: проза портится тихо, а падающий тест — - нет. + точность, бенчмарк, «это работает на Windows» — измеряется на том запуске, который + описывает, а цифры в README закреплены тестами, потому что проза тихо портится, а + падающий тест — нет. - + 04 - Комментарии объясняют «почему» + Комментарий объясняет почему - Код уже говорит, что он делает. Комментарий нужен для ограничения, которого читатель - не видит. + Код уже говорит, что он делает. Комментарий нужен для ограничения, которого читатель не + видит. - + 05 Никакого скрытого потока управления Если фреймворк делает что-то за вас, должна быть возможность найти строку, где это - происходит. Удобство, которое нельзя проследить, — это долг без графика погашения. + происходит. - - + + - - Как участвовать - Issues и pull request приветствуются в любом проекте - - В каждом репозитории есть CONTRIBUTING.md — собственный или общий для - организации — со списком проверок CI и стандартами, которых будет требовать ревью. - Никакого неписаного правила, которое обнаруживается постфактум. - + + Лицензии и участие + Условия, в одном месте - + + + Лицензии + mlango, glia, decisionrl и stadion — MIT. praxis — Apache-2.0. Текст курса и разборов — CC BY 4.0, код в них — MIT. Коммерческое использование разрешено всеми. + - Внести вклад - Заведите issue с описанием изменения, затем pull request в основную ветку. Перед ревью CI прогоняется на Linux, macOS и Windows. + Участие + Откройте issue с описанием изменения, затем pull request в ветку по умолчанию. В каждом репозитории есть CONTRIBUTING.md — свой или общий для организации — с проверками, которые запустит CI, поэтому неписаных правил, которые обнаруживаются постфактум, нет. - Сообщить об уязвимости - Используйте приватный отчёт GitHub в соответствующем репозитории — никогда не публичный issue. + Сообщение об уязвимости + Через приватный механизм GitHub в затронутом репозитории. Никогда через публичный issue. Документация - Пишется на английском и русском так, чтобы третий язык был одним файлом на страницу, а не форком. + На английском и русском, устроена так, что третий язык — это один файл на страницу, а не форк. - Лицензии - mlango, glia и decisionrl — MIT, praxis — Apache-2.0. Коммерческое использование разрешено обеими. + Кодекс поведения + Contributor Covenant, общий для организации. Сообщения идут приватно на адрес из профиля организации. - - - - - Начните с проекта, ближайшего к вашей задаче - - Фреймворк для ML-работы, читаемый агентный цикл, библиотека для решений под ними и - разобранный пример поиска, который действительно можно проверить. Все четыре ставятся - одной командой. - - - Открыть организацию - Документация mlango - - - - -
+ + + mlango + MIT - - - - - - - mlango - фреймворк для ML, аналитики и LLM-агентов - - - Философия Django, применённая к машинному обучению. Вы объявляете датасеты, модели, - агентов и оценки; фреймворк их запускает, версионирует, записывает и показывает. - Одно тело класса разом становится страницей админки, документированным эндпоинтом - API, миграцией и целью в CLI. Агенты — полноправное семейство рядом с моделями: - общий метастор, общая админка, общая система оценки. Большинство инструментов - в этой области рассчитаны либо на классический ML, либо на LLM, а большинство - команд занимаются и тем и другим. - - - Фреймворк - Python 3.10+ - scikit-learn - PyTorch - LLM-агенты - Админка - Миграции - Плагины - - - Документация - PyPI - Репозиторий - + Философия Django, применённая к машинному обучению. + + Вы объявляете датасеты, модели, агентов и оценки; фреймворк их запускает, версионирует, + записывает и показывает вам. Одно тело класса становится страницей админки, + документированным эндпоинтом, миграцией и целью в CLI одновременно. Агенты стоят рядом с + моделями как равное семейство: одно хранилище метаданных, одна админка, одна система + оценки. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install "mlango[sklearn]" - $ mlango startproject myproject - - - ЛицензияMIT - Последний релизv0.2.0 - ТребуетPython ≥ 3.10 - Декларативных семейств4 - + + + Последний релизv0.2.0 + ТребуетсяPython ≥ 3.10 + Декларативных семейств4 + Матрица CI4 версии · 3 платформы + + + + + + $ pip install "mlango[sklearn]" + $ mlango startproject myproject - - - - - - - glia - минимальная библиотека для LLM-агентов со стеклянным ящиком - - - Каждый вызов модели, вызов инструмента и переход состояния — обычный объект, который - можно залогировать, сохранить снимком и воспроизвести. Весь цикл умещается в один - файл, который читается за вечер. Современные приёмы — инструменты, структурированные - ответы, сжатие контекста, устойчивые чекпоинты, guardrails, субагенты, - evals-as-tests — поставляются как примитивы, которые можно прочитать, а не как - монолит, которому нужно доверять. Нужен графовый движок — берите LangGraph; нужен - маленький прозрачный цикл, который вы понимаете целиком, — берите этот. - - - LLM-агенты - Python 3.10+ - Ноль обязательных зависимостей - Типизировано - Воспроизводимые трейсы - Desktop-оболочка - - - Документация - PyPI - Репозиторий - + + + + + + + + glia + MIT + + Агентный цикл, который читается за один вечер. + + Каждый вызов модели, вызов инструмента и переход состояния — обычный объект, который + можно записать, снять снимком и воспроизвести. Современные приёмы — инструменты, + структурированные ответы, компактизация контекста, устойчивые чекпоинты, ограничители, + подагенты, оценки как тесты — поставляются подключаемыми примитивами, которые читаются, + а не монолитом, которому надо доверять. Нужен графовый движок — берите LangGraph. Нужен + маленький прозрачный цикл, который вы понимаете целиком, — берите это. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install glia-agents - # ядру больше ничего не нужно - - - ЛицензияMIT - Последний релизv0.8.2 - ТребуетPython ≥ 3.10 - Зависимостей ядра0 - + + + Последний релизv0.8.2 + ТребуетсяPython ≥ 3.10 + Зависимостей ядра0 + Порог покрытия90% + + + + + + $ pip install glia-agents + # ядру больше ничего не нужно - - - - - - - decisionrl - обучение с подкреплением для операционных решений - - - Ценообразование, запасы, энергетика, очереди и цепи поставок — решения, которые - бизнес принимает тысячи раз в день и где небольшое улучшение политики накапливается. - Каждое прикладное окружение поставляется вместе с классическим решением из - исследования операций, поэтому обученная политика измеряется против стандартного - метода, а не объявляется хорошей. Там, где классика уже оптимальна, README прямо - об этом говорит. - - - Reinforcement learning - Python 3.9+ - PyTorch - NumPy - Gymnasium - mypy - ruff - - - Документация - PyPI - Репозиторий - + + + + + + + + decisionrl + MIT + + Обучение с подкреплением для решений, у которых есть функция издержек. + + Ценообразование, запасы, энергетика, очереди и цепочки поставок: решения, которые бизнес + принимает тысячи раз в день, где небольшое улучшение политики накапливается. Каждая + прикладная среда идёт вместе с классической базовой линией из исследования операций, + поэтому выученная политика измеряется против стандартного метода. Там, где классический + метод уже оптимален, документация говорит об этом и показывает, как выученная политика + его повторяет. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install decisionrl - # или "decisionrl[gym]" - - - ЛицензияMIT - Последний релизv0.4.0 - Алгоритмов31 - Окружений22 (9 прикладных) - + + + Последний релизv0.4.0 + Алгоритмов31 + Сред22 · 9 прикладных + Покрытие строк86% + + + + + + $ pip install decisionrl + # или "decisionrl[gym]" - + + Ночная задача переобучает прикладные задачи на нескольких сидах, поэтому цифра в + документации падает сразу, как перестаёт быть правдой. + + + - - - + + + + + stadion + MIT + + Полигон, где агент оценивается против точного оптимума. + + Задачи операционных решений с двумя опорными плечами рядом с каждым агентом: настроенный + классический метод и оптимум, посчитанный динамическим программированием. Результат + выдаётся с доверительным интервалом и ставится на эту шкалу, поэтому «лучше» означает + расстояние до достижимого предела, а не позицию в таблице лидеров. + + + Репозиторий + PyPI + + - - - - - Курс · бесплатно - Хотите разобраться в ML, DL и RL? Вот весь путь, бесплатно. - - lemma — дорожная карта по машинному обучению, нейросетям, обучению - с подкреплением и рекомендательным системам: двадцать семь модулей от арифметики - среднего до воспроизведения свежей статьи. Без регистрации, без «первый модуль - бесплатно», без рассрочки. Центральный навык — проверка утверждения, а не запуск - обучения: первый модуль про базовые линии и доверительные интервалы, до всякого - машинного обучения. Ноутбуки считаются на CPU за секунды. - - - Начать курс - Репозиторий + + + Последний релизv0.1.0 + Дистрибутивstadion-rl + Опорных плеч2 на задачу + Матрица CI4 версии · 3 платформы + + + + + + $ pip install stadion-rl + # оптимум считается, а не предполагается + - + - - + + - - Что мы делаем - Та часть работы, которую обычно пропускают - - Модель, которая работает в ноутбуке, — это треть системы. Остальное — структура, - доказательства и интерфейс. Именно это мы и выпускаем. - + + Курс и исследования + Написано так, чтобы это можно было проверить - - - - - - Структура, которая переживёт спринт + + + lemma — дорога в ML, DL и RL - Разметка проекта, модуль настроек, декларативные классы и миграции — ответ, который - веб-разработка нашла раньше. Это то, что не даёт ML-репозиторию превратиться в кучу - скриптов и папку checkpoints/, которую никто не может сопоставить - с коммитом. + Двадцать семь модулей: от арифметики среднего до воспроизведения свежей статьи. Без + регистрации, без «первый модуль бесплатно», без рассрочек. Центральный навык — проверить + утверждение, а не запустить обучение, поэтому модуль первый про базовые линии и + доверительные интервалы, ещё до всякого машинного обучения. Ноутбуки считаются на CPU за + секунды и выполняются в CI на Linux и Windows, потому что у читателя, у которого ноутбук + не запустился, нет курса. - - - - - + + Открыть курс + Репозиторий - Цифры, которые можно воспроизвести + + research — открытые разборы статей - Прогоны версионируются и адресуются по содержимому, зерно ГПСЧ фиксируется, - разбиения детерминированы, а вместе с метриками сохраняется git-коммит. Опубликованная - цифра идёт вместе со скриптом, который её получает, — её можно проверить, а не принять - на веру. + Разборы по машинному обучению, обучению с подкреплением, нейронаукам и методам проверки + утверждений. Статья сообщает, что она нашла; разбор пишет, что она показала — это + меньше, — и отмечает расстояние между первым и вторым. Каждый разбор объявляет + источники, и CI отклоняет тот, который этого не делает. + + Читать разборы + - - - - - Интерфейсы, а не только библиотеки - - Страница админки, документированный HTTP API и цель в CLI, порождённые из одного - объявления. Результат доступен коллеге, который никогда не откроет исходники, — а это - обычно и есть разница между прототипом и инструментом. + + + lemma · модулей27 + lemma · языкрусский + lemma · лицензияCC BY 4.0 · MIT + research · лицензияCC BY 4.0 · MIT + Ценабесплатно + + + Текст под CC BY 4.0, код под MIT. Единственное условие — указать авторство. - - + + - - Как мы работаем + + Метод Пять правил, которым подчиняется каждый репозиторий - - Это критерии ревью, а не пожелания. Pull request, нарушающий любое из них, получает + + Это критерии ревью, а не пожелания. Pull request, который нарушает одно из них, получает комментарии. - - + + 01 Ошибки учат - Сообщение читают в худший момент и без открытых исходников. Оно должно говорить, что - пошло не так и что делать дальше, а если есть варианты — перечислять их. + Сообщение читают в худший возможный момент и без открытого исходника. Оно должно сказать, + что пошло не так и что делать дальше, и перечислить альтернативы, когда они есть. - + 02 - Тесты названы по гарантии, которую защищают + Тест называется по гарантии, которую защищает test_assignment_is_stable_when_rows_are_added, а не test_split. - Тест, чьё имя не выдерживает чтения вслух, ничего не документирует. + Тест, название которого не переживает чтения вслух, ничего не документирует. - + 03 Проверка важнее утверждения Зелёный пайплайн на одной машине — не доказательство. Каждое публикуемое утверждение — - точность, бенчмарк, «это работает на Windows» — измеряется на том прогоне, который - описывает, а цифры в README закреплены тестами: проза портится тихо, а падающий тест — - нет. + точность, бенчмарк, «это работает на Windows» — измеряется на том запуске, который + описывает, а цифры в README закреплены тестами, потому что проза тихо портится, а + падающий тест — нет. - + 04 - Комментарии объясняют «почему» + Комментарий объясняет почему - Код уже говорит, что он делает. Комментарий нужен для ограничения, которого читатель - не видит. + Код уже говорит, что он делает. Комментарий нужен для ограничения, которого читатель не + видит. - + 05 Никакого скрытого потока управления Если фреймворк делает что-то за вас, должна быть возможность найти строку, где это - происходит. Удобство, которое нельзя проследить, — это долг без графика погашения. + происходит. - - + + - - Как участвовать - Issues и pull request приветствуются в любом проекте - - В каждом репозитории есть CONTRIBUTING.md — собственный или общий для - организации — со списком проверок CI и стандартами, которых будет требовать ревью. - Никакого неписаного правила, которое обнаруживается постфактум. - + + Лицензии и участие + Условия, в одном месте - + + + Лицензии + mlango, glia, decisionrl и stadion — MIT. praxis — Apache-2.0. Текст курса и разборов — CC BY 4.0, код в них — MIT. Коммерческое использование разрешено всеми. + - Внести вклад - Заведите issue с описанием изменения, затем pull request в основную ветку. Перед ревью CI прогоняется на Linux, macOS и Windows. + Участие + Откройте issue с описанием изменения, затем pull request в ветку по умолчанию. В каждом репозитории есть CONTRIBUTING.md — свой или общий для организации — с проверками, которые запустит CI, поэтому неписаных правил, которые обнаруживаются постфактум, нет. - Сообщить об уязвимости - Используйте приватный отчёт GitHub в соответствующем репозитории — никогда не публичный issue. + Сообщение об уязвимости + Через приватный механизм GitHub в затронутом репозитории. Никогда через публичный issue. Документация - Пишется на английском и русском так, чтобы третий язык был одним файлом на страницу, а не форком. + На английском и русском, устроена так, что третий язык — это один файл на страницу, а не форк. - Лицензии - mlango, glia и decisionrl — MIT, praxis — Apache-2.0. Коммерческое использование разрешено обеими. + Кодекс поведения + Contributor Covenant, общий для организации. Сообщения идут приватно на адрес из профиля организации. - - - - - Начните с проекта, ближайшего к вашей задаче - - Фреймворк для ML-работы, читаемый агентный цикл, библиотека для решений под ними и - разобранный пример поиска, который действительно можно проверить. Все четыре ставятся - одной командой. - - - Открыть организацию - Документация mlango - - - - -
- - - mlango - фреймворк для ML, аналитики и LLM-агентов - - - Философия Django, применённая к машинному обучению. Вы объявляете датасеты, модели, - агентов и оценки; фреймворк их запускает, версионирует, записывает и показывает. - Одно тело класса разом становится страницей админки, документированным эндпоинтом - API, миграцией и целью в CLI. Агенты — полноправное семейство рядом с моделями: - общий метастор, общая админка, общая система оценки. Большинство инструментов - в этой области рассчитаны либо на классический ML, либо на LLM, а большинство - команд занимаются и тем и другим. - - - Фреймворк - Python 3.10+ - scikit-learn - PyTorch - LLM-агенты - Админка - Миграции - Плагины - - - Документация - PyPI - Репозиторий - + Философия Django, применённая к машинному обучению. + + Вы объявляете датасеты, модели, агентов и оценки; фреймворк их запускает, версионирует, + записывает и показывает вам. Одно тело класса становится страницей админки, + документированным эндпоинтом, миграцией и целью в CLI одновременно. Агенты стоят рядом с + моделями как равное семейство: одно хранилище метаданных, одна админка, одна система + оценки. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install "mlango[sklearn]" - $ mlango startproject myproject - - - ЛицензияMIT - Последний релизv0.2.0 - ТребуетPython ≥ 3.10 - Декларативных семейств4 - + + + Последний релизv0.2.0 + ТребуетсяPython ≥ 3.10 + Декларативных семейств4 + Матрица CI4 версии · 3 платформы + + + + + + $ pip install "mlango[sklearn]" + $ mlango startproject myproject - - - - - - - glia - минимальная библиотека для LLM-агентов со стеклянным ящиком - - - Каждый вызов модели, вызов инструмента и переход состояния — обычный объект, который - можно залогировать, сохранить снимком и воспроизвести. Весь цикл умещается в один - файл, который читается за вечер. Современные приёмы — инструменты, структурированные - ответы, сжатие контекста, устойчивые чекпоинты, guardrails, субагенты, - evals-as-tests — поставляются как примитивы, которые можно прочитать, а не как - монолит, которому нужно доверять. Нужен графовый движок — берите LangGraph; нужен - маленький прозрачный цикл, который вы понимаете целиком, — берите этот. - - - LLM-агенты - Python 3.10+ - Ноль обязательных зависимостей - Типизировано - Воспроизводимые трейсы - Desktop-оболочка - - - Документация - PyPI - Репозиторий - + + + + + + + + glia + MIT + + Агентный цикл, который читается за один вечер. + + Каждый вызов модели, вызов инструмента и переход состояния — обычный объект, который + можно записать, снять снимком и воспроизвести. Современные приёмы — инструменты, + структурированные ответы, компактизация контекста, устойчивые чекпоинты, ограничители, + подагенты, оценки как тесты — поставляются подключаемыми примитивами, которые читаются, + а не монолитом, которому надо доверять. Нужен графовый движок — берите LangGraph. Нужен + маленький прозрачный цикл, который вы понимаете целиком, — берите это. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install glia-agents - # ядру больше ничего не нужно - - - ЛицензияMIT - Последний релизv0.8.2 - ТребуетPython ≥ 3.10 - Зависимостей ядра0 - + + + Последний релизv0.8.2 + ТребуетсяPython ≥ 3.10 + Зависимостей ядра0 + Порог покрытия90% + + + + + + $ pip install glia-agents + # ядру больше ничего не нужно - - - - - - - decisionrl - обучение с подкреплением для операционных решений - - - Ценообразование, запасы, энергетика, очереди и цепи поставок — решения, которые - бизнес принимает тысячи раз в день и где небольшое улучшение политики накапливается. - Каждое прикладное окружение поставляется вместе с классическим решением из - исследования операций, поэтому обученная политика измеряется против стандартного - метода, а не объявляется хорошей. Там, где классика уже оптимальна, README прямо - об этом говорит. - - - Reinforcement learning - Python 3.9+ - PyTorch - NumPy - Gymnasium - mypy - ruff - - - Документация - PyPI - Репозиторий - + + + + + + + + decisionrl + MIT + + Обучение с подкреплением для решений, у которых есть функция издержек. + + Ценообразование, запасы, энергетика, очереди и цепочки поставок: решения, которые бизнес + принимает тысячи раз в день, где небольшое улучшение политики накапливается. Каждая + прикладная среда идёт вместе с классической базовой линией из исследования операций, + поэтому выученная политика измеряется против стандартного метода. Там, где классический + метод уже оптимален, документация говорит об этом и показывает, как выученная политика + его повторяет. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install decisionrl - # или "decisionrl[gym]" - - - ЛицензияMIT - Последний релизv0.4.0 - Алгоритмов31 - Окружений22 (9 прикладных) - + + + Последний релизv0.4.0 + Алгоритмов31 + Сред22 · 9 прикладных + Покрытие строк86% + + + + + + $ pip install decisionrl + # или "decisionrl[gym]" - + + Ночная задача переобучает прикладные задачи на нескольких сидах, поэтому цифра в + документации падает сразу, как перестаёт быть правдой. + + + - - - + + + + + stadion + MIT + + Полигон, где агент оценивается против точного оптимума. + + Задачи операционных решений с двумя опорными плечами рядом с каждым агентом: настроенный + классический метод и оптимум, посчитанный динамическим программированием. Результат + выдаётся с доверительным интервалом и ставится на эту шкалу, поэтому «лучше» означает + расстояние до достижимого предела, а не позицию в таблице лидеров. + + + Репозиторий + PyPI + + - - - - - Курс · бесплатно - Хотите разобраться в ML, DL и RL? Вот весь путь, бесплатно. - - lemma — дорожная карта по машинному обучению, нейросетям, обучению - с подкреплением и рекомендательным системам: двадцать семь модулей от арифметики - среднего до воспроизведения свежей статьи. Без регистрации, без «первый модуль - бесплатно», без рассрочки. Центральный навык — проверка утверждения, а не запуск - обучения: первый модуль про базовые линии и доверительные интервалы, до всякого - машинного обучения. Ноутбуки считаются на CPU за секунды. - - - Начать курс - Репозиторий + + + Последний релизv0.1.0 + Дистрибутивstadion-rl + Опорных плеч2 на задачу + Матрица CI4 версии · 3 платформы + + + + + + $ pip install stadion-rl + # оптимум считается, а не предполагается + - + - - + + - - Что мы делаем - Та часть работы, которую обычно пропускают - - Модель, которая работает в ноутбуке, — это треть системы. Остальное — структура, - доказательства и интерфейс. Именно это мы и выпускаем. - + + Курс и исследования + Написано так, чтобы это можно было проверить - - - - - - Структура, которая переживёт спринт + + + lemma — дорога в ML, DL и RL - Разметка проекта, модуль настроек, декларативные классы и миграции — ответ, который - веб-разработка нашла раньше. Это то, что не даёт ML-репозиторию превратиться в кучу - скриптов и папку checkpoints/, которую никто не может сопоставить - с коммитом. + Двадцать семь модулей: от арифметики среднего до воспроизведения свежей статьи. Без + регистрации, без «первый модуль бесплатно», без рассрочек. Центральный навык — проверить + утверждение, а не запустить обучение, поэтому модуль первый про базовые линии и + доверительные интервалы, ещё до всякого машинного обучения. Ноутбуки считаются на CPU за + секунды и выполняются в CI на Linux и Windows, потому что у читателя, у которого ноутбук + не запустился, нет курса. - - - - - + + Открыть курс + Репозиторий - Цифры, которые можно воспроизвести + + research — открытые разборы статей - Прогоны версионируются и адресуются по содержимому, зерно ГПСЧ фиксируется, - разбиения детерминированы, а вместе с метриками сохраняется git-коммит. Опубликованная - цифра идёт вместе со скриптом, который её получает, — её можно проверить, а не принять - на веру. + Разборы по машинному обучению, обучению с подкреплением, нейронаукам и методам проверки + утверждений. Статья сообщает, что она нашла; разбор пишет, что она показала — это + меньше, — и отмечает расстояние между первым и вторым. Каждый разбор объявляет + источники, и CI отклоняет тот, который этого не делает. + + Читать разборы + - - - - - Интерфейсы, а не только библиотеки - - Страница админки, документированный HTTP API и цель в CLI, порождённые из одного - объявления. Результат доступен коллеге, который никогда не откроет исходники, — а это - обычно и есть разница между прототипом и инструментом. + + + lemma · модулей27 + lemma · языкрусский + lemma · лицензияCC BY 4.0 · MIT + research · лицензияCC BY 4.0 · MIT + Ценабесплатно + + + Текст под CC BY 4.0, код под MIT. Единственное условие — указать авторство. - - + + - - Как мы работаем + + Метод Пять правил, которым подчиняется каждый репозиторий - - Это критерии ревью, а не пожелания. Pull request, нарушающий любое из них, получает + + Это критерии ревью, а не пожелания. Pull request, который нарушает одно из них, получает комментарии. - - + + 01 Ошибки учат - Сообщение читают в худший момент и без открытых исходников. Оно должно говорить, что - пошло не так и что делать дальше, а если есть варианты — перечислять их. + Сообщение читают в худший возможный момент и без открытого исходника. Оно должно сказать, + что пошло не так и что делать дальше, и перечислить альтернативы, когда они есть. - + 02 - Тесты названы по гарантии, которую защищают + Тест называется по гарантии, которую защищает test_assignment_is_stable_when_rows_are_added, а не test_split. - Тест, чьё имя не выдерживает чтения вслух, ничего не документирует. + Тест, название которого не переживает чтения вслух, ничего не документирует. - + 03 Проверка важнее утверждения Зелёный пайплайн на одной машине — не доказательство. Каждое публикуемое утверждение — - точность, бенчмарк, «это работает на Windows» — измеряется на том прогоне, который - описывает, а цифры в README закреплены тестами: проза портится тихо, а падающий тест — - нет. + точность, бенчмарк, «это работает на Windows» — измеряется на том запуске, который + описывает, а цифры в README закреплены тестами, потому что проза тихо портится, а + падающий тест — нет. - + 04 - Комментарии объясняют «почему» + Комментарий объясняет почему - Код уже говорит, что он делает. Комментарий нужен для ограничения, которого читатель - не видит. + Код уже говорит, что он делает. Комментарий нужен для ограничения, которого читатель не + видит. - + 05 Никакого скрытого потока управления Если фреймворк делает что-то за вас, должна быть возможность найти строку, где это - происходит. Удобство, которое нельзя проследить, — это долг без графика погашения. + происходит. - - + + - - Как участвовать - Issues и pull request приветствуются в любом проекте - - В каждом репозитории есть CONTRIBUTING.md — собственный или общий для - организации — со списком проверок CI и стандартами, которых будет требовать ревью. - Никакого неписаного правила, которое обнаруживается постфактум. - + + Лицензии и участие + Условия, в одном месте - + + + Лицензии + mlango, glia, decisionrl и stadion — MIT. praxis — Apache-2.0. Текст курса и разборов — CC BY 4.0, код в них — MIT. Коммерческое использование разрешено всеми. + - Внести вклад - Заведите issue с описанием изменения, затем pull request в основную ветку. Перед ревью CI прогоняется на Linux, macOS и Windows. + Участие + Откройте issue с описанием изменения, затем pull request в ветку по умолчанию. В каждом репозитории есть CONTRIBUTING.md — свой или общий для организации — с проверками, которые запустит CI, поэтому неписаных правил, которые обнаруживаются постфактум, нет. - Сообщить об уязвимости - Используйте приватный отчёт GitHub в соответствующем репозитории — никогда не публичный issue. + Сообщение об уязвимости + Через приватный механизм GitHub в затронутом репозитории. Никогда через публичный issue. Документация - Пишется на английском и русском так, чтобы третий язык был одним файлом на страницу, а не форком. + На английском и русском, устроена так, что третий язык — это один файл на страницу, а не форк. - Лицензии - mlango, glia и decisionrl — MIT, praxis — Apache-2.0. Коммерческое использование разрешено обеими. + Кодекс поведения + Contributor Covenant, общий для организации. Сообщения идут приватно на адрес из профиля организации. - - - - - Начните с проекта, ближайшего к вашей задаче - - Фреймворк для ML-работы, читаемый агентный цикл, библиотека для решений под ними и - разобранный пример поиска, который действительно можно проверить. Все четыре ставятся - одной командой. - - - Открыть организацию - Документация mlango - - - - -
- - - glia - минимальная библиотека для LLM-агентов со стеклянным ящиком - - - Каждый вызов модели, вызов инструмента и переход состояния — обычный объект, который - можно залогировать, сохранить снимком и воспроизвести. Весь цикл умещается в один - файл, который читается за вечер. Современные приёмы — инструменты, структурированные - ответы, сжатие контекста, устойчивые чекпоинты, guardrails, субагенты, - evals-as-tests — поставляются как примитивы, которые можно прочитать, а не как - монолит, которому нужно доверять. Нужен графовый движок — берите LangGraph; нужен - маленький прозрачный цикл, который вы понимаете целиком, — берите этот. - - - LLM-агенты - Python 3.10+ - Ноль обязательных зависимостей - Типизировано - Воспроизводимые трейсы - Desktop-оболочка - - - Документация - PyPI - Репозиторий - + +
+ + + glia + MIT + + Агентный цикл, который читается за один вечер. + + Каждый вызов модели, вызов инструмента и переход состояния — обычный объект, который + можно записать, снять снимком и воспроизвести. Современные приёмы — инструменты, + структурированные ответы, компактизация контекста, устойчивые чекпоинты, ограничители, + подагенты, оценки как тесты — поставляются подключаемыми примитивами, которые читаются, + а не монолитом, которому надо доверять. Нужен графовый движок — берите LangGraph. Нужен + маленький прозрачный цикл, который вы понимаете целиком, — берите это. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install glia-agents - # ядру больше ничего не нужно - - - ЛицензияMIT - Последний релизv0.8.2 - ТребуетPython ≥ 3.10 - Зависимостей ядра0 - + + + Последний релизv0.8.2 + ТребуетсяPython ≥ 3.10 + Зависимостей ядра0 + Порог покрытия90% + + + + + + $ pip install glia-agents + # ядру больше ничего не нужно - - - - - - - decisionrl - обучение с подкреплением для операционных решений - - - Ценообразование, запасы, энергетика, очереди и цепи поставок — решения, которые - бизнес принимает тысячи раз в день и где небольшое улучшение политики накапливается. - Каждое прикладное окружение поставляется вместе с классическим решением из - исследования операций, поэтому обученная политика измеряется против стандартного - метода, а не объявляется хорошей. Там, где классика уже оптимальна, README прямо - об этом говорит. - - - Reinforcement learning - Python 3.9+ - PyTorch - NumPy - Gymnasium - mypy - ruff - - - Документация - PyPI - Репозиторий - + + + + + + + + decisionrl + MIT + + Обучение с подкреплением для решений, у которых есть функция издержек. + + Ценообразование, запасы, энергетика, очереди и цепочки поставок: решения, которые бизнес + принимает тысячи раз в день, где небольшое улучшение политики накапливается. Каждая + прикладная среда идёт вместе с классической базовой линией из исследования операций, + поэтому выученная политика измеряется против стандартного метода. Там, где классический + метод уже оптимален, документация говорит об этом и показывает, как выученная политика + его повторяет. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install decisionrl - # или "decisionrl[gym]" - - - ЛицензияMIT - Последний релизv0.4.0 - Алгоритмов31 - Окружений22 (9 прикладных) - + + + Последний релизv0.4.0 + Алгоритмов31 + Сред22 · 9 прикладных + Покрытие строк86% + + + + + + $ pip install decisionrl + # или "decisionrl[gym]" - + + Ночная задача переобучает прикладные задачи на нескольких сидах, поэтому цифра в + документации падает сразу, как перестаёт быть правдой. + + + - - - + + + + + stadion + MIT + + Полигон, где агент оценивается против точного оптимума. + + Задачи операционных решений с двумя опорными плечами рядом с каждым агентом: настроенный + классический метод и оптимум, посчитанный динамическим программированием. Результат + выдаётся с доверительным интервалом и ставится на эту шкалу, поэтому «лучше» означает + расстояние до достижимого предела, а не позицию в таблице лидеров. + + + Репозиторий + PyPI + + - - - - - Курс · бесплатно - Хотите разобраться в ML, DL и RL? Вот весь путь, бесплатно. - - lemma — дорожная карта по машинному обучению, нейросетям, обучению - с подкреплением и рекомендательным системам: двадцать семь модулей от арифметики - среднего до воспроизведения свежей статьи. Без регистрации, без «первый модуль - бесплатно», без рассрочки. Центральный навык — проверка утверждения, а не запуск - обучения: первый модуль про базовые линии и доверительные интервалы, до всякого - машинного обучения. Ноутбуки считаются на CPU за секунды. - - - Начать курс - Репозиторий + + + Последний релизv0.1.0 + Дистрибутивstadion-rl + Опорных плеч2 на задачу + Матрица CI4 версии · 3 платформы + + + + + + $ pip install stadion-rl + # оптимум считается, а не предполагается + - + - - + + - - Что мы делаем - Та часть работы, которую обычно пропускают - - Модель, которая работает в ноутбуке, — это треть системы. Остальное — структура, - доказательства и интерфейс. Именно это мы и выпускаем. - + + Курс и исследования + Написано так, чтобы это можно было проверить - - - - - - Структура, которая переживёт спринт + + + lemma — дорога в ML, DL и RL - Разметка проекта, модуль настроек, декларативные классы и миграции — ответ, который - веб-разработка нашла раньше. Это то, что не даёт ML-репозиторию превратиться в кучу - скриптов и папку checkpoints/, которую никто не может сопоставить - с коммитом. + Двадцать семь модулей: от арифметики среднего до воспроизведения свежей статьи. Без + регистрации, без «первый модуль бесплатно», без рассрочек. Центральный навык — проверить + утверждение, а не запустить обучение, поэтому модуль первый про базовые линии и + доверительные интервалы, ещё до всякого машинного обучения. Ноутбуки считаются на CPU за + секунды и выполняются в CI на Linux и Windows, потому что у читателя, у которого ноутбук + не запустился, нет курса. - - - - - + + Открыть курс + Репозиторий - Цифры, которые можно воспроизвести + + research — открытые разборы статей - Прогоны версионируются и адресуются по содержимому, зерно ГПСЧ фиксируется, - разбиения детерминированы, а вместе с метриками сохраняется git-коммит. Опубликованная - цифра идёт вместе со скриптом, который её получает, — её можно проверить, а не принять - на веру. + Разборы по машинному обучению, обучению с подкреплением, нейронаукам и методам проверки + утверждений. Статья сообщает, что она нашла; разбор пишет, что она показала — это + меньше, — и отмечает расстояние между первым и вторым. Каждый разбор объявляет + источники, и CI отклоняет тот, который этого не делает. + + Читать разборы + - - - - - Интерфейсы, а не только библиотеки - - Страница админки, документированный HTTP API и цель в CLI, порождённые из одного - объявления. Результат доступен коллеге, который никогда не откроет исходники, — а это - обычно и есть разница между прототипом и инструментом. + + + lemma · модулей27 + lemma · языкрусский + lemma · лицензияCC BY 4.0 · MIT + research · лицензияCC BY 4.0 · MIT + Ценабесплатно + + + Текст под CC BY 4.0, код под MIT. Единственное условие — указать авторство. - - + + - - Как мы работаем + + Метод Пять правил, которым подчиняется каждый репозиторий - - Это критерии ревью, а не пожелания. Pull request, нарушающий любое из них, получает + + Это критерии ревью, а не пожелания. Pull request, который нарушает одно из них, получает комментарии. - - + + 01 Ошибки учат - Сообщение читают в худший момент и без открытых исходников. Оно должно говорить, что - пошло не так и что делать дальше, а если есть варианты — перечислять их. + Сообщение читают в худший возможный момент и без открытого исходника. Оно должно сказать, + что пошло не так и что делать дальше, и перечислить альтернативы, когда они есть. - + 02 - Тесты названы по гарантии, которую защищают + Тест называется по гарантии, которую защищает test_assignment_is_stable_when_rows_are_added, а не test_split. - Тест, чьё имя не выдерживает чтения вслух, ничего не документирует. + Тест, название которого не переживает чтения вслух, ничего не документирует. - + 03 Проверка важнее утверждения Зелёный пайплайн на одной машине — не доказательство. Каждое публикуемое утверждение — - точность, бенчмарк, «это работает на Windows» — измеряется на том прогоне, который - описывает, а цифры в README закреплены тестами: проза портится тихо, а падающий тест — - нет. + точность, бенчмарк, «это работает на Windows» — измеряется на том запуске, который + описывает, а цифры в README закреплены тестами, потому что проза тихо портится, а + падающий тест — нет. - + 04 - Комментарии объясняют «почему» + Комментарий объясняет почему - Код уже говорит, что он делает. Комментарий нужен для ограничения, которого читатель - не видит. + Код уже говорит, что он делает. Комментарий нужен для ограничения, которого читатель не + видит. - + 05 Никакого скрытого потока управления Если фреймворк делает что-то за вас, должна быть возможность найти строку, где это - происходит. Удобство, которое нельзя проследить, — это долг без графика погашения. + происходит. - - + + - - Как участвовать - Issues и pull request приветствуются в любом проекте - - В каждом репозитории есть CONTRIBUTING.md — собственный или общий для - организации — со списком проверок CI и стандартами, которых будет требовать ревью. - Никакого неписаного правила, которое обнаруживается постфактум. - + + Лицензии и участие + Условия, в одном месте - + + + Лицензии + mlango, glia, decisionrl и stadion — MIT. praxis — Apache-2.0. Текст курса и разборов — CC BY 4.0, код в них — MIT. Коммерческое использование разрешено всеми. + - Внести вклад - Заведите issue с описанием изменения, затем pull request в основную ветку. Перед ревью CI прогоняется на Linux, macOS и Windows. + Участие + Откройте issue с описанием изменения, затем pull request в ветку по умолчанию. В каждом репозитории есть CONTRIBUTING.md — свой или общий для организации — с проверками, которые запустит CI, поэтому неписаных правил, которые обнаруживаются постфактум, нет. - Сообщить об уязвимости - Используйте приватный отчёт GitHub в соответствующем репозитории — никогда не публичный issue. + Сообщение об уязвимости + Через приватный механизм GitHub в затронутом репозитории. Никогда через публичный issue. Документация - Пишется на английском и русском так, чтобы третий язык был одним файлом на страницу, а не форком. + На английском и русском, устроена так, что третий язык — это один файл на страницу, а не форк. - Лицензии - mlango, glia и decisionrl — MIT, praxis — Apache-2.0. Коммерческое использование разрешено обеими. + Кодекс поведения + Contributor Covenant, общий для организации. Сообщения идут приватно на адрес из профиля организации. - - - - - Начните с проекта, ближайшего к вашей задаче - - Фреймворк для ML-работы, читаемый агентный цикл, библиотека для решений под ними и - разобранный пример поиска, который действительно можно проверить. Все четыре ставятся - одной командой. - - - Открыть организацию - Документация mlango - - - - -
- - - decisionrl - обучение с подкреплением для операционных решений - - - Ценообразование, запасы, энергетика, очереди и цепи поставок — решения, которые - бизнес принимает тысячи раз в день и где небольшое улучшение политики накапливается. - Каждое прикладное окружение поставляется вместе с классическим решением из - исследования операций, поэтому обученная политика измеряется против стандартного - метода, а не объявляется хорошей. Там, где классика уже оптимальна, README прямо - об этом говорит. - - - Reinforcement learning - Python 3.9+ - PyTorch - NumPy - Gymnasium - mypy - ruff - - - Документация - PyPI - Репозиторий - + +
+ + + decisionrl + MIT + + Обучение с подкреплением для решений, у которых есть функция издержек. + + Ценообразование, запасы, энергетика, очереди и цепочки поставок: решения, которые бизнес + принимает тысячи раз в день, где небольшое улучшение политики накапливается. Каждая + прикладная среда идёт вместе с классической базовой линией из исследования операций, + поэтому выученная политика измеряется против стандартного метода. Там, где классический + метод уже оптимален, документация говорит об этом и показывает, как выученная политика + его повторяет. + + + Документация + PyPI + Репозиторий + - - - - - - $ pip install decisionrl - # или "decisionrl[gym]" - - - ЛицензияMIT - Последний релизv0.4.0 - Алгоритмов31 - Окружений22 (9 прикладных) - + + + Последний релизv0.4.0 + Алгоритмов31 + Сред22 · 9 прикладных + Покрытие строк86% + + + + + + $ pip install decisionrl + # или "decisionrl[gym]" - + + Ночная задача переобучает прикладные задачи на нескольких сидах, поэтому цифра в + документации падает сразу, как перестаёт быть правдой. + + + - -
+ + + stadion + MIT + + Полигон, где агент оценивается против точного оптимума. + + Задачи операционных решений с двумя опорными плечами рядом с каждым агентом: настроенный + классический метод и оптимум, посчитанный динамическим программированием. Результат + выдаётся с доверительным интервалом и ставится на эту шкалу, поэтому «лучше» означает + расстояние до достижимого предела, а не позицию в таблице лидеров. + + + Репозиторий + PyPI + + - - - - - Курс · бесплатно - Хотите разобраться в ML, DL и RL? Вот весь путь, бесплатно. - - lemma — дорожная карта по машинному обучению, нейросетям, обучению - с подкреплением и рекомендательным системам: двадцать семь модулей от арифметики - среднего до воспроизведения свежей статьи. Без регистрации, без «первый модуль - бесплатно», без рассрочки. Центральный навык — проверка утверждения, а не запуск - обучения: первый модуль про базовые линии и доверительные интервалы, до всякого - машинного обучения. Ноутбуки считаются на CPU за секунды. - - - Начать курс - Репозиторий + + + Последний релизv0.1.0 + Дистрибутивstadion-rl + Опорных плеч2 на задачу + Матрица CI4 версии · 3 платформы + + + + + + $ pip install stadion-rl + # оптимум считается, а не предполагается + - + - - + + - - Что мы делаем - Та часть работы, которую обычно пропускают - - Модель, которая работает в ноутбуке, — это треть системы. Остальное — структура, - доказательства и интерфейс. Именно это мы и выпускаем. - + + Курс и исследования + Написано так, чтобы это можно было проверить - - - - - - Структура, которая переживёт спринт + + + lemma — дорога в ML, DL и RL - Разметка проекта, модуль настроек, декларативные классы и миграции — ответ, который - веб-разработка нашла раньше. Это то, что не даёт ML-репозиторию превратиться в кучу - скриптов и папку checkpoints/, которую никто не может сопоставить - с коммитом. + Двадцать семь модулей: от арифметики среднего до воспроизведения свежей статьи. Без + регистрации, без «первый модуль бесплатно», без рассрочек. Центральный навык — проверить + утверждение, а не запустить обучение, поэтому модуль первый про базовые линии и + доверительные интервалы, ещё до всякого машинного обучения. Ноутбуки считаются на CPU за + секунды и выполняются в CI на Linux и Windows, потому что у читателя, у которого ноутбук + не запустился, нет курса. - - - - - + + Открыть курс + Репозиторий - Цифры, которые можно воспроизвести + + research — открытые разборы статей - Прогоны версионируются и адресуются по содержимому, зерно ГПСЧ фиксируется, - разбиения детерминированы, а вместе с метриками сохраняется git-коммит. Опубликованная - цифра идёт вместе со скриптом, который её получает, — её можно проверить, а не принять - на веру. + Разборы по машинному обучению, обучению с подкреплением, нейронаукам и методам проверки + утверждений. Статья сообщает, что она нашла; разбор пишет, что она показала — это + меньше, — и отмечает расстояние между первым и вторым. Каждый разбор объявляет + источники, и CI отклоняет тот, который этого не делает. + + Читать разборы + - - - - - Интерфейсы, а не только библиотеки - - Страница админки, документированный HTTP API и цель в CLI, порождённые из одного - объявления. Результат доступен коллеге, который никогда не откроет исходники, — а это - обычно и есть разница между прототипом и инструментом. + + + lemma · модулей27 + lemma · языкрусский + lemma · лицензияCC BY 4.0 · MIT + research · лицензияCC BY 4.0 · MIT + Ценабесплатно + + + Текст под CC BY 4.0, код под MIT. Единственное условие — указать авторство. - - + + - - Как мы работаем + + Метод Пять правил, которым подчиняется каждый репозиторий - - Это критерии ревью, а не пожелания. Pull request, нарушающий любое из них, получает + + Это критерии ревью, а не пожелания. Pull request, который нарушает одно из них, получает комментарии. - - + + 01 Ошибки учат - Сообщение читают в худший момент и без открытых исходников. Оно должно говорить, что - пошло не так и что делать дальше, а если есть варианты — перечислять их. + Сообщение читают в худший возможный момент и без открытого исходника. Оно должно сказать, + что пошло не так и что делать дальше, и перечислить альтернативы, когда они есть. - + 02 - Тесты названы по гарантии, которую защищают + Тест называется по гарантии, которую защищает test_assignment_is_stable_when_rows_are_added, а не test_split. - Тест, чьё имя не выдерживает чтения вслух, ничего не документирует. + Тест, название которого не переживает чтения вслух, ничего не документирует. - + 03 Проверка важнее утверждения Зелёный пайплайн на одной машине — не доказательство. Каждое публикуемое утверждение — - точность, бенчмарк, «это работает на Windows» — измеряется на том прогоне, который - описывает, а цифры в README закреплены тестами: проза портится тихо, а падающий тест — - нет. + точность, бенчмарк, «это работает на Windows» — измеряется на том запуске, который + описывает, а цифры в README закреплены тестами, потому что проза тихо портится, а + падающий тест — нет. - + 04 - Комментарии объясняют «почему» + Комментарий объясняет почему - Код уже говорит, что он делает. Комментарий нужен для ограничения, которого читатель - не видит. + Код уже говорит, что он делает. Комментарий нужен для ограничения, которого читатель не + видит. - + 05 Никакого скрытого потока управления Если фреймворк делает что-то за вас, должна быть возможность найти строку, где это - происходит. Удобство, которое нельзя проследить, — это долг без графика погашения. + происходит. - - + + - - Как участвовать - Issues и pull request приветствуются в любом проекте - - В каждом репозитории есть CONTRIBUTING.md — собственный или общий для - организации — со списком проверок CI и стандартами, которых будет требовать ревью. - Никакого неписаного правила, которое обнаруживается постфактум. - + + Лицензии и участие + Условия, в одном месте - + + + Лицензии + mlango, glia, decisionrl и stadion — MIT. praxis — Apache-2.0. Текст курса и разборов — CC BY 4.0, код в них — MIT. Коммерческое использование разрешено всеми. + - Внести вклад - Заведите issue с описанием изменения, затем pull request в основную ветку. Перед ревью CI прогоняется на Linux, macOS и Windows. + Участие + Откройте issue с описанием изменения, затем pull request в ветку по умолчанию. В каждом репозитории есть CONTRIBUTING.md — свой или общий для организации — с проверками, которые запустит CI, поэтому неписаных правил, которые обнаруживаются постфактум, нет. - Сообщить об уязвимости - Используйте приватный отчёт GitHub в соответствующем репозитории — никогда не публичный issue. + Сообщение об уязвимости + Через приватный механизм GitHub в затронутом репозитории. Никогда через публичный issue. Документация - Пишется на английском и русском так, чтобы третий язык был одним файлом на страницу, а не форком. + На английском и русском, устроена так, что третий язык — это один файл на страницу, а не форк. - Лицензии - mlango, glia и decisionrl — MIT, praxis — Apache-2.0. Коммерческое использование разрешено обеими. + Кодекс поведения + Contributor Covenant, общий для организации. Сообщения идут приватно на адрес из профиля организации. - - - - - Начните с проекта, ближайшего к вашей задаче - - Фреймворк для ML-работы, читаемый агентный цикл, библиотека для решений под ними и - разобранный пример поиска, который действительно можно проверить. Все четыре ставятся - одной командой. - - - Открыть организацию - Документация mlango - - - - -
+