Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-05 22:25 UTC

pytorch / rl

A modular, primitive-first, python-first PyTorch library for Reinforcement Learning.

PythonMIT★ 3548 estrellas⑂ 480 forksdesde feb 2022Ver en GitHub ↗
TipoHerramienta de línea de comandosComplementoBibliotecacómo se determina
#ai#control#decision-making#distributed-computing#machine-learning#marl#model-based-reinforcement-learning#multi-agent-reinforcement-learning#pytorch#reinforcement-learning#rl#robotics#torch

pytorch/rl tiene un índice de salud de 91 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Vitality (97/100) y la más baja, Security (21/100). Se actualizó por última vez hoy. Una sola persona concentra la mayor parte del trabajo reciente.

91
global / 100
Excelente

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.

91
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 77 se calibra a 91 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

pytorchOrganización · dominio verificado
13.606 seguidores70 repositorios públicosdesde ago 2016

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
PyPItorchrl0.13.384.78134hace 53 díasreinforcement-learningpytorchrlmachine-learning

Métricas por categoría

Vitalidad

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

97Excepcional · 21% del índice global

Actividad de desarrollo

95Excepcional
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
31.2/36Cadencia de commits — 45/52 semanas con commits
18/18Volumen de commits — 786 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year786
human_commit_share0,96
days_since_last_push0
active_weeks_last_year45

Disciplina de publicación

100Excepcional
Cómo se puntúa
27/27Publica versiones — 35 versiones publicadas
36/36Recencia de las versiones — última versión hace 53 días
27/27Cadencia de publicación — una versión cada ~40,2 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count35
latest_release_tagv0.13.3
releases_from_tagsno
days_since_latest_release53
mean_days_between_releases40,2

Comunidad y Adopción

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

88Excelente · 17% del índice global

Popularidad y adopción

89Excelente
Cómo se puntúa
57.6/60Estrellas — 3548 estrellas
22.3/25Forks — 480 forks
9.1/15Observadores — 44 observadores
Datos de entrada utilizados
forks480
stars3548
watchers44
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

92Excelente
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (MIT)
18/18Guía CONTRIBUTING
13.5/13.5Código de conducta
0/7.2Plantilla de issues
6.3/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges12
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_servicescodecov.io, github.com, shields.io
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

82Excelente
Cómo se puntúa
65.7/80Descargas mensuales — 84.781 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagestorchrl
dependents—
ecosystemspypi
total_downloads—
monthly_downloads84.781
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?

76Bueno · 23% del índice global

Resiliencia de mantenedores (factor bus)

34En riesgo
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
8.4/22.5Distribución de commits — el principal contribuyente firma el 63% de los commits
13.5/13.5Amplitud de contribuyentes — 99 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor1
contributors_sampled99
top_contributor_share0,627

Capacidad de respuesta a issues y PR

85Excelente
Cómo se puntúa
32.6/42Resolución de issues — 78% de issues cerradas
26.6/30Aceptación de PR — 2862/3229 PR decididos fusionados
13/13Newcomer PR acceptance — 9/9 PR de contribuyentes primerizos fusionados en 30 d
0/15OpenSSF Scorecard: Code-Review — sin datos
Datos de entrada utilizados
merged_prs2862
open_issues191
closed_issues666
prs_merged_7d37
prs_decided_7d40
prs_merged_30d54
prs_decided_30d58
issue_closed_ratio0,777
closed_unmerged_prs367
first_time_authors_30d2
first_time_prs_merged_30d9
first_time_prs_decided_30d9

Propiedad y custodia

100Excepcional
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
20/20Dominio verificado
25/25Alcance del propietario — 13.606 seguidores de pytorch
25/25Trayectoria — 70 repos públicos, cuenta de ~10 años
Datos de entrada utilizados
followers13.606
owner_typeOrganization
is_verifiedsí
owner_loginpytorch
public_repos70
account_age_days3675

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 53 días
20/20Historial de versiones — 34 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagestorchrl
ecosystemspypi
any_deprecatedno
min_days_since_publish53

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 — 30 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — setup.cfg ([flake8])
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://pytorch.org/rl
10/10Descripción del repositorio
10/10Topics — 13 topics
0/10Wiki
Datos de entrada utilizados
topicsai, control, decision-making, distributed-computing, machine-learning, marl, model-based-reinforcement-learning, multi-agent-reinforcement-learning, pytorch, reinforcement-learning, rl, robotics, torch
has_wikino
homepagehttps://pytorch.org/rl
docs_sitehttps://pytorch.org/rl
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?

21En riesgo · 16% del índice global

Postura de seguridad

1Crítico
Cómo se puntúa
0/30Política de seguridad (SECURITY.md)
0/25Configuración de Dependabot
0/25Lockfiles de dependencias
0/20Flujo de trabajo de CodeQL
Datos de entrada utilizados
sourcefile_signals
lockfiles—
manifestsbenchmarks/requirements.txt, docs/requirements.txt, pyproject.toml, setup.cfg, setup.py
has_codeql_workflowno
has_security_policyno
has_dependabot_configno

Avisos de dependencias

100Excepcional
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories0
affected_packages0
assessed_packages37
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:torchrl@0.13.3 —lo que arrastra la instalación del paquete publicado—: 37 paquetes. No se analiza la alcanzabilidad.

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.

92Excelente · 4% del índice global

Contexto y guía para agentes

100Excepcional
Cómo se puntúa
45/45Instrucciones para agentes — AGENTS.md, CLAUDE.md
15/15Documentación legible por máquinas (llms.txt) — llms.txt servido por el sitio web del proyecto (https://pytorch.org/llms.txt)
40/40Historial de commits legible — 86 de 96 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtsí
llms_txt_urlhttps://pytorch.org/llms.txt
legible_history_share0,896
agent_instruction_filesAGENTS.md, CLAUDE.md
agent_instruction_max_bytes13.220

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

89Excelente
Cómo se puntúa
18/18Arranque con un solo comando — Makefile, docs/Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato — setup.cfg ([flake8])
11/11Verificación estática de tipos — mypy.ini
0/10Entorno reproducible
10/10Práctica demostrada con agentes — 20 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 4 de los últimos 100 commits son actualizaciones automáticas de dependencias
0/10OpenSSF Scorecard: Pinned-Dependencies — sin datos
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfileno
typed_languageno
bootstrap_filesMakefile, docs/Makefile
has_devcontainerno
has_linter_configsí
typecheck_configsmypy.ini
agent_commit_share0,2
toolchain_manifests—
dependency_bot_commit_share0,04

Legibilidad del código para modelos

78Bueno
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (mypy.ini)
50.5/55Tamaños de archivo manejables — 71/869 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes321.561
source_files_sampled869
oversized_source_files71

Interfaces legibles por máquina

100Excepcional
Cómo se puntúa
0/40Esquema de API (OpenAPI/GraphQL/proto) — no aplicable a este tipo de software
0/20Servidor MCP — no aplicable a este tipo de software
40/40Ejemplos ejecutables — examples, recipes
Datos de entrada utilizados
example_dirsexamples, recipes
has_mcp_signalno
api_schema_files—
interfaces_expected_of—
Excluidos de la puntuación (sin datos o no aplicable): Esquema de API (OpenAPI/GraphQL/proto), Servidor MCP. Los pesos restantes se han renormalizado.

Datos clave

3548estrellas de GitHub
99contribuidores
786commits en los últimos 12 meses
0días desde el último push
35versiones publicadas
1factor bus
191issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/05 22:23:49 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

Más detalle

Historial de estrellas y forks 0 ★ / 480 ⇿
0Estrellas
480Forks
35Versiones

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

0100200300400500476102022-042024-062026-09
Mayor 0Menor 13Parche 17

Cada punto abarca 5 días.

Dependencias directas 7
RegistroPaqueteRestricción de versiónManifiesto
PyPItorch>=2.1.0pyproject.toml
PyPIpyvers>=0.2.3pyproject.toml
PyPIhoptorch>=0.1.4pyproject.toml
PyPInumpy—pyproject.toml
PyPIpackaging—pyproject.toml
PyPIcloudpickle—pyproject.toml
PyPItensordict>=0.14.1,<0.15.0pyproject.toml
Todas las dependencias 224

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 15 paquetes directos y 209 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIcloudpickle—directa
PyPIcloudpickle3.1.2directa
PyPIhoptorch—directa
PyPIhoptorch0.1.4directa
PyPInumpy—directa
PyPInumpy2.2.6directa
PyPIpackaging—directa
PyPIpackaging26.2directa
PyPIpyvers—directa
PyPIpyvers0.2.3directa
PyPItensordict—directa
PyPItensordict0.9.0directa
PyPItorch—directa
PyPItorch2.12.0directa
PyPItorch2.14.0.dev20260713+cu126directa
PyPIabsl-py2.5.0indirecta
PyPIaccelerate—indirecta
PyPIaccelerate1.14.0indirecta
PyPIaccelerate1.7.0indirecta
PyPIale-py—indirecta
PyPIale-py0.8.1indirecta
PyPIannotated-doc0.0.4indirecta
PyPIanyio4.14.2indirecta
PyPIattrs26.1.0indirecta
PyPIautorom0.4.2indirecta
PyPIautorom-accept-rom-license0.6.1indirecta
PyPIbitsandbytes—indirecta
PyPIbitsandbytes0.46.0indirecta
PyPIcertifi2026.6.17indirecta
PyPIcharset-normalizer3.4.9indirecta
PyPIclick8.4.2indirecta
PyPIcmake—indirecta
PyPIcmake4.4.0indirecta
PyPIcontourpy1.3.2indirecta
PyPIcoverage—indirecta
PyPIcuda-bindings12.9.7indirecta
PyPIcuda-pathfinder1.5.6indirecta
PyPIcuda-toolkit12.6.3indirecta
PyPIcycler0.12.1indirecta
PyPIdatasets—indirecta
PyPIdatasets3.6.0indirecta
PyPIdm-control—indirecta
PyPIdm-control1.0.41indirecta
PyPIdm-env1.6indirecta
PyPIdm-tree0.1.10indirecta
PyPIdocutils—indirecta
PyPIetils1.13.0indirecta
PyPIexceptiongroup1.3.1indirecta
PyPIexpecttest—indirecta
PyPIfilelock3.29.7indirecta
PyPIfonttools4.63.0indirecta
PyPIfsspec2026.6.0indirecta
PyPIfuture—indirecta
PyPIglfw2.10.0indirecta
PyPIgym0.26.2indirecta
PyPIgym-notices0.1.0indirecta
PyPIgymnasium—indirecta
PyPIgymnasium-robotics—indirecta
PyPIh110.16.0indirecta
PyPIhf-xet1.5.1indirecta
PyPIhttpcore1.0.9indirecta
PyPIhttpx0.28.1indirecta
PyPIhuggingface-hub1.23.0indirecta
PyPIhydra-core—indirecta
PyPIhydra-core1.3.4indirecta
PyPIhydra-submitit-launcher—indirecta
PyPIhypothesis—indirecta
PyPIidna3.18indirecta
PyPIimageio—indirecta
PyPIimmutabledict—indirecta
PyPIimmutabledict4.2.1indirecta
PyPIimportlib-metadata9.0.0indirecta
PyPIimportlib-resources7.1.0indirecta
PyPIiniconfig2.3.0indirecta
PyPIipython—indirecta
PyPIjax—indirecta
PyPIjinja23.1.6indirecta
PyPIjsonschema4.26.0indirecta
PyPIjsonschema-specifications2025.9.1indirecta
PyPIkiwisolver1.5.0indirecta
PyPIlabmaze1.0.6indirecta
PyPIlangdetect—indirecta
PyPIlangdetect1.0.9indirecta
PyPIlerobot—indirecta
PyPIlxml6.1.1indirecta
PyPImarkdown-it-py4.2.0indirecta
PyPImarkupsafe3.0.2indirecta
PyPImatplotlib—indirecta
PyPImatplotlib3.10.9indirecta
PyPImdurl0.1.2indirecta
PyPImemory-profiler—indirecta
PyPIminari—indirecta
PyPImpmath1.3.0indirecta
PyPImsgpack1.2.1indirecta
PyPImujoco—indirecta
PyPImujoco3.8.1indirecta
PyPImujoco-torch—indirecta
PyPImyst-parser—indirecta
PyPInetworkx3.4.2indirecta
PyPIninja—indirecta
PyPIninja1.13.0indirecta
PyPInltk—indirecta
PyPInltk3.10.3indirecta
PyPInvidia-cublas-cu1212.6.4.1indirecta
PyPInvidia-cuda-cupti-cu1212.6.80indirecta
PyPInvidia-cuda-nvrtc-cu1212.6.85indirecta
PyPInvidia-cuda-runtime-cu1212.6.77indirecta
PyPInvidia-cudnn-cu129.10.2.21indirecta
PyPInvidia-cufft-cu1211.3.0.4indirecta
PyPInvidia-cufile-cu121.11.1.6indirecta
PyPInvidia-curand-cu1210.3.7.77indirecta
PyPInvidia-cusolver-cu1211.7.1.2indirecta
PyPInvidia-cusparse-cu1212.5.4.2indirecta
PyPInvidia-cusparselt-cu120.7.1indirecta
PyPInvidia-nccl-cu122.29.3indirecta
PyPInvidia-nvjitlink-cu1212.9.86indirecta
PyPInvidia-nvshmem-cu123.4.5indirecta
PyPInvidia-nvtx-cu1212.6.77indirecta
PyPIomegaconf—indirecta
PyPIonnx—indirecta
PyPIonnxruntime—indirecta
PyPIonnxscript—indirecta
PyPIopen-spiel—indirecta
PyPIopencv-python-headless—indirecta
PyPIorjson3.11.9indirecta
PyPIpandas—indirecta
PyPIpandas2.3.3indirecta
PyPIpeft—indirecta
PyPIpeft0.15.2indirecta
PyPIpettingzoo—indirecta
PyPIpillow—indirecta
PyPIpillow12.3.0indirecta
PyPIplaywright—indirecta
PyPIpluggy1.6.0indirecta
PyPIprocgen—indirecta
PyPIprotobuf—indirecta
PyPIprotobuf7.35.1indirecta
PyPIpsutil—indirecta
PyPIpsutil7.2.2indirecta
PyPIpy-cpuinfo9.0.0indirecta
PyPIpybind11—indirecta
PyPIpybind113.0.4indirecta
PyPIpybind11-global3.0.4indirecta
PyPIpygame—indirecta
PyPIpyglet—indirecta
PyPIpygments2.20.0indirecta
PyPIpyopengl3.1.10indirecta
PyPIpyparsing3.3.2indirecta
PyPIpytest—indirecta
PyPIpytest9.1.1indirecta
PyPIpytest-asyncio—indirecta
PyPIpytest-benchmark—indirecta
PyPIpytest-benchmark5.2.3indirecta
PyPIpytest-cov—indirecta
PyPIpytest-error-for-skips—indirecta
PyPIpytest-instafail—indirecta
PyPIpytest-mock—indirecta
PyPIpytest-rerunfailures—indirecta
PyPIpytest-timeout—indirecta
PyPIpytest-timeout2.4.0indirecta
PyPIpytest-xdist—indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpytorch-sphinx-theme2—indirecta
PyPIpytz2026.2indirecta
PyPIpyyaml—indirecta
PyPIpyyaml6.0.3indirecta
PyPIray—indirecta
PyPIray2.56.0indirecta
PyPIreferencing0.37.0indirecta
PyPIregex2026.7.10indirecta
PyPIrequests—indirecta
PyPIrequests2.34.2indirecta
PyPIrich15.0.0indirecta
PyPIrpds-py0.30.0indirecta
PyPIsafetensors—indirecta
PyPIsafetensors0.8.0indirecta
PyPIsafety-gymnasium—indirecta
PyPIscipy—indirecta
PyPIscipy1.15.3indirecta
PyPIsentencepiece—indirecta
PyPIsetuptools—indirecta
PyPIsetuptools83.0.0indirecta
PyPIsetuptools-scm10.2.0indirecta
PyPIshellingham1.5.4indirecta
PyPIsix1.17.0indirecta
PyPIsphinx—indirecta
PyPIsphinx-autodoc-typehints—indirecta
PyPIsphinx-copybutton—indirecta
PyPIsphinx-design—indirecta
PyPIsphinx-gallery—indirecta
PyPIsphinx-serve1.0.1indirecta
PyPIsphinxcontrib-htmlhelp—indirecta
PyPIsphinxcontrib-video—indirecta
PyPIsympy1.14.0indirecta
PyPItenacity—indirecta
PyPItenacity9.1.4indirecta
PyPItiktoken—indirecta
PyPItokenizers0.23.0rc0indirecta
PyPItomli2.4.1indirecta
PyPItorchcodec—indirecta
PyPItorchvision—indirecta
PyPItorchvision0.29.0.dev20260714+cu126indirecta
PyPItqdm—indirecta
PyPItqdm4.67.1indirecta
PyPItqdm4.68.4indirecta
PyPItransformers—indirecta
PyPItransformers5.10.1indirecta
PyPItransformers5.13.1indirecta
PyPItriton3.8.0+git43422b04indirecta
PyPItyper0.26.8indirecta
PyPItyping-extensions—indirecta
PyPItyping-extensions4.16.0indirecta
PyPItzdata2026.3indirecta
PyPIurllib32.7.0indirecta
PyPIvcs-versioning2.2.2indirecta
PyPIvllm—indirecta
PyPIvllm0.26.0indirecta
PyPIvmas—indirecta
PyPIwandb—indirecta
PyPIwandb0.19.11indirecta
PyPIwrapt2.2.2indirecta
PyPIxformers—indirecta
PyPIxformers0.0.30indirecta
PyPIzipp4.1.0indirecta
Avisos de dependencias 0

Instalar pypi:torchrl@0.13.3 arrastra 37 paquetes, directos y transitivos: 0 tienen avisos conocidos, de los cuales 0 son dependencias directas.

Ningún aviso conocido afecta a las dependencias evaluadas.

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

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 pytorch/rl. Leer en paralelo →

100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Excepcional100onnx/onnxOpen standard for machine learning interoperabilityExcepcional100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Excepcional98replicate/cogContainers for machine learningExcepcional98ultralytics/ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingExcepcional98aws/sagemaker-python-sdkA library for training and deploying machine learning models on Amazon SageMakerExcepcional

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 v0.34.0 — metodología completa · wiki de métricas.

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