Öffentliches Register
Software-GesundheitsberichtSchema 0.12.0 · Metriken 2.10.0 · 2026-07-18 01:37 UTC

NVIDIA-NeMo / Gym

Evaluate and improve models and agents using environments

Python · MDXApache-2.0★ 1.055 Sterne⑂ 228 Forksseit Aug. 2025Auf GitHub ansehen ↗
ArtMCP-ServerBibliothekNetzwerkdienstwie das ermittelt wird
#reinforcement-learning#reinforcement-learning-environments#rl-environment#rl-training#gym#agents#benchmarks#environments#evaluation#llm

NVIDIA-NeMo/Gym erreicht einen Gesundheitsindex von 93 von 100 und liegt damit im Bereich Außergewöhnlich. Am stärksten schneidet es bei Vitality (94/100) ab, am schwächsten bei Security (40/100). Zuletzt heute aktualisiert. 6 Mitwirkende tragen den Großteil der jüngsten Arbeit.

93
gesamt / 100
Außergewöhnlich

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

93
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 79 wird auf der veröffentlichten Indexskala auf 93 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

NVIDIA-NeMoOrganisation
1.350 Follower26 öffentliche Reposseit Mai 2025

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPInemo-gym0.4.0406.4385vor 15 Tagenreinforcement-learningrlagentagenticllmlarge-language-modelstraining-datarollouttrajectoryverificationverifierrewardtool-callingfunction-callingdata-collectionnemonvidia

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

94Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

95Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
31.8/36Commit-Rhythmus — 46/52 Wochen mit Commits
18/18Commit-Volumen — 801 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year801
human_commit_share—
days_since_last_push0
active_weeks_last_year46

Release-Disziplin

92Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 6 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 15 Tagen
19.8/27Release-Rhythmus — ein Release etwa alle 46 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count6
latest_release_tagv0.4.0
releases_from_tagsnein
days_since_latest_release15
mean_days_between_releases46

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

83Exzellent · 17 % des Gesamtindex

Popularität & Verbreitung

74Gut
Wie die Bewertung erfolgt
49/60Stars — 1.055 Stars
19.6/25Forks — 228 Forks
5/15Watcher — 9 Watcher
Verwendete Eingangsdaten
forks228
stars1.055
watchers9
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

85Exzellent
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (Apache-2.0)
18/18CONTRIBUTING-Leitfaden
13.5/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges—
has_contributingja
has_issue_templatenein
has_code_of_conductja
readme_badge_services—
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

94Außergewöhnlich
Wie die Bewertung erfolgt
74.8/80Downloads pro Monat — 406.438 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesnemo-gym
dependents—
ecosystemspypi
total_downloads—
monthly_downloads406.438
unverified_packages_excluded—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

82Exzellent · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

90Exzellent
Wie die Bewertung erfolgt
48.6/54Bus-Faktor — 6 Beitragende decken die Hälfte aller Commits ab
18.7/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 17 % der Commits
13.5/13.5Breite der Beitragenden — 100 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor6
contributors_sampled100
top_contributor_share0,168

Reaktionsfähigkeit bei Issues & PRs

58Mittel
Wie die Bewertung erfolgt
20.4/42Issue-Lösungsquote — 48 % der Issues geschlossen
21.2/30PR-Annahme — 872/1.233 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs872
open_issues341
closed_issues321
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,485
closed_unmerged_prs361
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

82Exzellent
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen
22.5/25Reichweite des Inhabers — 1.350 Follower von NVIDIA-NeMo
12.7/25Kontohistorie — 26 öffentliche Repos, Kontoalter ca. 1 Jahre
Verwendete Eingangsdaten
followers1.350
owner_typeOrganization
is_verified—
owner_loginNVIDIA-NeMo
public_repos26
account_age_days416
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 15 Tagen
20/20Versionshistorie — 5 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesnemo-gym
ecosystemspypi
any_deprecatednein
min_days_since_publish15

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

91Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 18 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://docs.nvidia.com/nemo/gym/main/about/
10/10Repository-Beschreibung
10/10Topics — 10 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsreinforcement-learning, reinforcement-learning-environments, rl-environment, rl-training, gym, agents, benchmarks, environments, evaluation, llm
has_wikinein
homepagehttps://docs.nvidia.com/nemo/gym/main/about/
docs_sitehttps://docs.nvidia.com/nemo/gym/main/about/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

40Schwach · 16 % des Gesamtindex

Sicherheitslage

40Schwach
Wie die Bewertung erfolgt
30/30Sicherheitsrichtlinie (SECURITY.md)
0/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten — veröffentlichte Bibliothek — Lockfiles sind Sache der Anwendung, hier nicht erwartet
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfilesuv.lock
manifestsfern/package.json, pyproject.toml
has_codeql_workflownein
has_security_policyja
has_dependabot_confignein
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lockfiles für Abhängigkeiten. Die verbleibenden Gewichte wurden renormalisiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

74Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

75Gut
Wie die Bewertung erfolgt
45/45Agentenanweisungen — CLAUDE.md, resources_servers/terminal_multi_harness/docs/AGENTS.md
0/15Maschinenlesbare Doku (llms.txt)
0/40Lesbare Commit-Historie — keine Daten
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share—
agent_instruction_filesCLAUDE.md, resources_servers/terminal_multi_harness/docs/AGENTS.md
agent_instruction_max_bytes8.267
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lesbare Commit-Historie. Die verbleibenden Gewichte wurden renormalisiert.

AI-Verify-Loop (Build / Test / Typprüfung)

85Exzellent
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
0/10Belegte Agentenpraxis — keine Daten
0/8Automatisierte Wartung — keine Daten
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfileja
typed_languagenein
bootstrap_filesMakefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Belegte Agentenpraxis, Automatisierte Wartung. Die verbleibenden Gewichte wurden renormalisiert.

AI-Code-Lesbarkeit für Modelle

54Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.4/55Handhabbare Dateigrößen — 13/1.121 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes166.988
source_files_sampled1.121
oversized_source_files13

Maschinenlesbare AI-Schnittstellen

60Mittel
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto)
20/20MCP-Server
40/40Lauffähige Beispiele — example, notebooks
Verwendete Eingangsdaten
example_dirsexample, notebooks
has_mcp_signalja
api_schema_files—
interfaces_expected_ofnetwork-service

Eckdaten

1.055GitHub-Sterne
100Mitwirkende
801Commits, letzte 12 Monate
0Tage seit letztem Push
6Releases
6Bus-Faktor
341offene Issues
npm, PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository
  • OpenSSF Scorecard timed out after 240s; skipping Scorecard checks

Weitere Details

Direkte Abhängigkeiten 29
RegistryPaketVersionsvorgabeManifest
PyPIopenai<=2.7.2pyproject.toml
PyPIanthropic<=0.109.2pyproject.toml
PyPItqdm—pyproject.toml
PyPIpydantic—pyproject.toml
PyPIpydantic_core—pyproject.toml
PyPIdevtools—pyproject.toml
PyPIfastapi—pyproject.toml
PyPImcp>=1.27,<2pyproject.toml
PyPIitsdangerous—pyproject.toml
PyPIuvicorn—pyproject.toml
PyPIuvloop—pyproject.toml
PyPIhydra-core—pyproject.toml
PyPIomegaconf—pyproject.toml
PyPIrich—pyproject.toml
PyPImlflow-skinny>=3.14.0pyproject.toml
PyPImlflow>=3.14.0pyproject.toml
PyPIaiohttp>=3.14.1pyproject.toml
PyPIyappi—pyproject.toml
PyPIray>=2.55.1pyproject.toml
PyPIpsutil—pyproject.toml
PyPIdatasets—pyproject.toml
PyPIorjson—pyproject.toml
PyPIurllib3>=2.7.0pyproject.toml
PyPIfonttools>=4.60.2pyproject.toml
PyPIpython-multipart>=0.0.22pyproject.toml
PyPIwandb—pyproject.toml
PyPIGitPython>=3.1.50pyproject.toml
PyPIgprof2dot—pyproject.toml
PyPIpydot—pyproject.toml
Alle Abhängigkeiten nicht erhoben

Der aufgelöste Abhängigkeitssatz konnte für diesen Bericht nicht erhoben werden: GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository

JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit NVIDIA-NeMo/Gym teilen. Nebeneinander lesen →

95Tencent/WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.Außergewöhnlich99google/adk-pythonAn open-source, code-first Python toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.Außergewöhnlich96vercel/aiThe AI Toolkit for TypeScript. From the creators of Next.js, the AI SDK is a free open-source library for building AI-powered applications and agents Außergewöhnlich96google/adk-jsAn open-source, code-first Typescript toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.Außergewöhnlich100deepset-ai/haystackOpen-source AI orchestration framework for building context-engineered, production-ready LLM applications. Design modular pipelines and agent workflows with explicit control over retrieval, routing, memory, and generation. Built for scalable agents, RAG, multimodal applications, semantic search, and conversational systems.Außergewöhnlich98bytedance/deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.Außergewöhnlich

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.12.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — PyPI.