Registro público
Informe de salud del softwareesquema 0.12.0 · métricas 2.10.0 · 2026-07-18 01:37 UTC

NVIDIA-NeMo / Gym

Evaluate and improve models and agents using environments

Python · MDXApache-2.0★ 1055 estrellas⑂ 228 forksdesde ago 2025Ver en GitHub ↗
TipoServidor MCPBibliotecaServicio de redcómo se determina
#reinforcement-learning#reinforcement-learning-environments#rl-environment#rl-training#gym#agents#benchmarks#environments#evaluation#llm

NVIDIA-NeMo/Gym tiene un índice de salud de 93 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Vitality (94/100) y la más baja, Security (40/100). Se actualizó por última vez hoy. 6 personas concentran la mayor parte del trabajo reciente.

93
global / 100
Excepcional

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

93
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 79 se calibra a 93 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

NVIDIA-NeMoOrganización
1350 seguidores26 repositorios públicosdesde may 2025

Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicaciónEtiquetas
PyPInemo-gym0.4.0406.4385hace 15 díasreinforcement-learningrlagentagenticllmlarge-language-modelstraining-datarollouttrajectoryverificationverifierrewardtool-callingfunction-callingdata-collectionnemonvidia

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

94Excepcional · 21% del índice global

Actividad de desarrollo

95Excepcional
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
31.8/36Cadencia de commits — 46/52 semanas con commits
18/18Volumen de commits — 801 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year801
human_commit_share—
days_since_last_push0
active_weeks_last_year46

Disciplina de publicación

92Excelente
Cómo se puntúa
27/27Publica versiones — 6 versiones publicadas
36/36Recencia de las versiones — última versión hace 15 días
19.8/27Cadencia de publicación — una versión cada ~46 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count6
latest_release_tagv0.4.0
releases_from_tagsno
days_since_latest_release15
mean_days_between_releases46

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

83Excelente · 17% del índice global

Popularidad y adopción

74Bueno
Cómo se puntúa
49/60Estrellas — 1055 estrellas
19.6/25Forks — 228 forks
5/15Observadores — 9 observadores
Datos de entrada utilizados
forks228
stars1055
watchers9
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

85Excelente
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (Apache-2.0)
18/18Guía CONTRIBUTING
13.5/13.5Código de conducta
0/7.2Plantilla de issues
0/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges—
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_services—
has_pull_request_templateno

Adopción en el ecosistema (descargas)

94Excepcional
Cómo se puntúa
74.8/80Descargas mensuales — 406.438 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagesnemo-gym
dependents—
ecosystemspypi
total_downloads—
monthly_downloads406.438
unverified_packages_excluded—
Excluidos de la puntuación (sin datos o no aplicable): Dependientes en el registro. Los pesos restantes se han renormalizado.

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

82Excelente · 23% del índice global

Resiliencia de mantenedores (factor bus)

90Excelente
Cómo se puntúa
48.6/54Factor bus — la mitad de los commits recae en 6 contribuyente(s)
18.7/22.5Distribución de commits — el principal contribuyente firma el 17% de los commits
13.5/13.5Amplitud de contribuyentes — 100 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor6
contributors_sampled100
top_contributor_share0,168

Capacidad de respuesta a issues y PR

58Moderado
Cómo se puntúa
20.4/42Resolución de issues — 48% de issues cerradas
21.2/30Aceptación de PR — 872/1233 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
0/15OpenSSF Scorecard: Code-Review — sin datos
Datos de entrada utilizados
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—
Excluidos de la puntuación (sin datos o no aplicable): Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

82Excelente
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado — el estado de dominio verificado no se leyó para esta organización
22.5/25Alcance del propietario — 1350 seguidores de NVIDIA-NeMo
12.7/25Trayectoria — 26 repos públicos, cuenta de ~1 años
Datos de entrada utilizados
followers1350
owner_typeOrganization
is_verified—
owner_loginNVIDIA-NeMo
public_repos26
account_age_days416
Excluidos de la puntuación (sin datos o no aplicable): Dominio verificado. Los pesos restantes se han renormalizado.

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 15 días
20/20Historial de versiones — 5 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagesnemo-gym
ecosystemspypi
any_deprecatedno
min_days_since_publish15

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

91Excelente · 19% del índice global

Prácticas de ingeniería

92Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 18 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — sin datos
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configsí

Documentación

90Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://docs.nvidia.com/nemo/gym/main/about/
10/10Descripción del repositorio
10/10Topics — 10 topics
0/10Wiki
Datos de entrada utilizados
topicsreinforcement-learning, reinforcement-learning-environments, rl-environment, rl-training, gym, agents, benchmarks, environments, evaluation, llm
has_wikino
homepagehttps://docs.nvidia.com/nemo/gym/main/about/
docs_sitehttps://docs.nvidia.com/nemo/gym/main/about/
has_readmesí
has_docs_dirsí
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

40Débil · 16% del índice global

Postura de seguridad

40Débil
Cómo se puntúa
30/30Política de seguridad (SECURITY.md)
0/25Configuración de Dependabot
0/25Lockfiles de dependencias — biblioteca publicada — los lockfiles son cosa de las aplicaciones, no se esperan aquí
0/20Flujo de trabajo de CodeQL
Datos de entrada utilizados
sourcefile_signals
lockfilesuv.lock
manifestsfern/package.json, pyproject.toml
has_codeql_workflowno
has_security_policysí
has_dependabot_configno
Excluidos de la puntuación (sin datos o no aplicable): Lockfiles de dependencias. Los pesos restantes se han renormalizado.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

74Bueno · 4% del índice global

Contexto y guía para agentes

75Bueno
Cómo se puntúa
45/45Instrucciones para agentes — CLAUDE.md, resources_servers/terminal_multi_harness/docs/AGENTS.md
0/15Documentación legible por máquinas (llms.txt)
0/40Historial de commits legible — sin datos
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share—
agent_instruction_filesCLAUDE.md, resources_servers/terminal_multi_harness/docs/AGENTS.md
agent_instruction_max_bytes8267
Excluidos de la puntuación (sin datos o no aplicable): Historial de commits legible. Los pesos restantes se han renormalizado.

Bucle de verificación (compilación / pruebas / verificación de tipos)

85Excelente
Cómo se puntúa
18/18Arranque con un solo comando — Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato
0/11Verificación estática de tipos
10/10Entorno reproducible — Dockerfile, lockfile
0/10Práctica demostrada con agentes — sin datos
0/8Mantenimiento automatizado — sin datos
0/10OpenSSF Scorecard: Pinned-Dependencies — sin datos
Datos de entrada utilizados
has_nixno
has_testssí
lockfilesuv.lock
has_dockerfilesí
typed_languageno
bootstrap_filesMakefile
has_devcontainerno
has_linter_configsí
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share—
Excluidos de la puntuación (sin datos o no aplicable): Práctica demostrada con agentes, Mantenimiento automatizado. Los pesos restantes se han renormalizado.

Legibilidad del código para modelos

54Moderado
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
54.4/55Tamaños de archivo manejables — 13/1121 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes166.988
source_files_sampled1121
oversized_source_files13

Interfaces legibles por máquina

60Moderado
Cómo se puntúa
0/40Esquema de API (OpenAPI/GraphQL/proto)
20/20Servidor MCP
40/40Ejemplos ejecutables — example, notebooks
Datos de entrada utilizados
example_dirsexample, notebooks
has_mcp_signalsí
api_schema_files—
interfaces_expected_ofnetwork-service

Datos clave

1055estrellas de GitHub
100contribuidores
801commits en los últimos 12 meses
0días desde el último push
6versiones publicadas
6factor bus
341issues abiertas
npm, PyPIecosistemas de paquetes

Advertencias de recopilación de datos

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

Más detalle

Dependencias directas 29
RegistroPaqueteRestricción de versiónManifiesto
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
Todas las dependencias no recopilado

No fue posible recopilar el conjunto de dependencias resuelto para este informe: GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con NVIDIA-NeMo/Gym. Leer en paralelo →

95Tencent/WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.Excepcional99google/adk-pythonAn open-source, code-first Python toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.Excepcional96vercel/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 Excepcional96google/adk-jsAn open-source, code-first Typescript toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.Excepcional100deepset-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.Excepcional98bytedance/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.Excepcional

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.12.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.