公开记录
软件健康报告模式 0.12.0 · 指标 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 星标⑂ 228 复刻始于 2025年8月在 GitHub 上查看 ↗
类型MCP 服务器库网络服务如何判定
#reinforcement-learning#reinforcement-learning-environments#rl-environment#rl-training#gym#agents#benchmarks#environments#evaluation#llm

NVIDIA-NeMo/Gym 的健康指数为 100 分中的 93 分，处于「卓越」区间。 其得分最高的类别是Vitality（94/100），最低的是Security（40/100）。 最近一次更新在今天。 近期的大部分工作由 6 位贡献者完成。

93
总分 / 100
卓越

软件健康指数

指标归入加权类别，统一采用 1–100 量表。总体分先取类别加权平均，再依据公开记录的分布进行校准，使各等级具有百分位含义；当公开证据触发高风险司法辖区政策时，评级会按政策调整，并设置 34（存在风险）的上限。

93
卓越93-100公开记录中的最高层级（约前 5%）；基本满足所有检验标准
优秀80-92各方面均表现强劲；仅有少量不足
良好65-79健康；不足之处有限且可控
中等50-64可接受，但存在明显不足；建议进行审查
薄弱35-49多个领域存在实质性薄弱环节
存在风险20-34存在重大薄弱环节；采用时应保持审慎
危急1-19问题严重（项目被弃置、仅有单一维护者、缺乏基本工程规范）
活力社区与采用可持续性与治理工程质量安全AI 就绪度

评分画像

每条轴代表一个类别。形状比平均值更重要——健康的对象会填满整个图形，而“一峰一谷”式画像意味着某一维度的优势正掩盖另一维度的风险。

加权总体分 79 经校准后在公布的指数量表上为 93（记录校准 2026-08-02）。

所有权

NVIDIA-NeMo组织
1,350 关注者26 个公开仓库始于 2025年5月

该仓库由组织支持——共同承担、可问责的托管责任，可延续于任何单一维护者之后。

软件包生态系统

注册表软件包版本月下载量版本数最近发布标签
PyPInemo-gym0.4.0406,438515 天前reinforcement-learningrlagentagenticllmlarge-language-modelstraining-datarollouttrajectoryverificationverifierrewardtool-callingfunction-callingdata-collectionnemonvidia

按类别列示的指标

活力

项目是否仍有生命——是否仍在编写代码，是否仍在发布版本？

94卓越 · 占总体的 21%

开发活跃度

95卓越
评分方式
36/36推送新近度 — 最近一次推送于 0 天前
31.8/36提交节奏 — 52 周中有 46 周有提交
18/18提交量 — 最近一年 801 次提交
0/10OpenSSF Scorecard：Maintained — 无数据
所用输入
commits_last_year801
human_commit_share—
days_since_last_push0
active_weeks_last_year46

发布纪律

92优秀
评分方式
27/27有发布版本 — 已发布 6 个发布版本
36/36发布时效 — 最近一次发布版本于 15 天前
19.8/27发布节奏 — 约每 46 天发布一次
0/10OpenSSF Scorecard：Signed-Releases — 无数据
所用输入
releases_count6
latest_release_tagv0.4.0
releases_from_tags否
days_since_latest_release15
mean_days_between_releases46

社区与采用

项目是否拥有用户、下载量与关注度，并具备欢迎贡献者参与的配置？

83优秀 · 占总体的 17%

流行度与采用

74良好
评分方式
49/60星标 — 1,055 个星标
19.6/25复刻 — 228 个复刻
5/15关注者 — 9 位关注者
所用输入
forks228
stars1,055
watchers9
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

社区健康

85优秀
评分方式
22.5/22.5README
22.5/22.5许可证 — 可识别的许可证（Apache-2.0）
18/18CONTRIBUTING 指南
13.5/13.5行为准则
0/7.2议题模板
0/6.3PR 模板
所用输入
has_readme是
has_license是
readme_badges—
has_contributing是
has_issue_template否
has_code_of_conduct是
readme_badge_services—
has_pull_request_template否

生态采用（下载量）

94卓越
评分方式
74.8/80月度下载量 — pypi 合计每月 406,438 次下载
0/20注册表被依赖数 — 该生态系统不报告此项
所用输入
packagesnemo-gym
dependents—
ecosystemspypi
total_downloads—
monthly_downloads406,438
unverified_packages_excluded—
已排除计分（无数据或不适用）：注册表被依赖数。 其余权重已重新归一化。

可持续性与治理

项目能否在其成员之外延续——巴士系数、响应能力、由谁支持，以及软件包的维护状况？

82优秀 · 占总体的 23%

维护者韧性（巴士系数）

90优秀
评分方式
48.6/54巴士系数 — 6 位贡献者贡献了半数提交
18.7/22.5提交分布 — 头号贡献者编写了 17% 的提交
13.5/13.5贡献者广度 — 100 位贡献者
0/10OpenSSF Scorecard：Contributors — 无数据
所用输入
bus_factor6
contributors_sampled100
top_contributor_share0.168

议题与 PR 响应能力

58中等
评分方式
20.4/42议题解决 — 48% 的议题已关闭
21.2/30PR 接受 — 已裁定的 PR 中 872/1,233 已合并
0/13Newcomer PR acceptance — 30 天内没有首次贡献者的 PR 得到裁决
0/15OpenSSF Scorecard：Code-Review — 无数据
所用输入
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—
已排除计分（无数据或不适用）：Newcomer PR acceptance。 其余权重已重新归一化。

所有权与托管责任

82优秀
评分方式
30/30所有权背书 — 组织持有
0/20已验证域名 — 未读取该组织的域名验证状态
22.5/25所有者影响力 — NVIDIA-NeMo 有 1,350 位关注者
12.7/25既往记录 — 26 个公开仓库，账户约 1 年
所用输入
followers1,350
owner_typeOrganization
is_verified—
owner_loginNVIDIA-NeMo
public_repos26
account_age_days416
已排除计分（无数据或不适用）：已验证域名。 其余权重已重新归一化。

软件包维护

100卓越
评分方式
25/25已发布且可解析 — pypi 上有 1 个软件包
35/35发布时效 — 最近一次发布于 15 天前
20/20版本历史 — 5 个已发布版本
20/20未被弃用 — 活跃，未被弃用或撤回
所用输入
packagesnemo-gym
ecosystemspypi
any_deprecated否
min_days_since_publish15

工程质量

基础的工程与文档实践是否到位？

91优秀 · 占总体的 19%

工程实践

92优秀
评分方式
24/24CI 工作流 — 18 个工作流
24/24存在测试
16/16Linter 配置
9.6/9.6Pre-commit 钩子
0/6.4.editorconfig
0/20OpenSSF Scorecard：CI-Tests — 无数据
所用输入
has_ci是
has_tests是
has_editorconfig否
has_linter_config是
has_precommit_config是

文档

90优秀
评分方式
30/30README
25/25文档目录
15/15文档 / 主页站点 — https://docs.nvidia.com/nemo/gym/main/about/
10/10仓库描述
10/10主题标签 — 10 个主题标签
0/10Wiki
所用输入
topicsreinforcement-learning, reinforcement-learning-environments, rl-environment, rl-training, gym, agents, benchmarks, environments, evaluation, llm
has_wiki否
homepagehttps://docs.nvidia.com/nemo/gym/main/about/
docs_sitehttps://docs.nvidia.com/nemo/gym/main/about/
has_readme是
has_docs_dir是
has_description是

安全

可见的安全与供应链实践是否稳固，且不存在未解决的高风险司法辖区暴露？

40薄弱 · 占总体的 16%

安全态势

40薄弱
评分方式
30/30安全策略（SECURITY.md）
0/25Dependabot 配置
0/25依赖锁定文件 — 已发布的类库——锁定文件属于应用层关注点，不作要求
0/20CodeQL 工作流
所用输入
sourcefile_signals
lockfilesuv.lock
manifestsfern/package.json, pyproject.toml
has_codeql_workflow否
has_security_policy是
has_dependabot_config否
已排除计分（无数据或不适用）：依赖锁定文件。 其余权重已重新归一化。

AI 就绪度

该仓库在多大程度上具备与 AI 编码代理协同开发与维护的条件？权重刻意设小（4%）：代理工具链是一项真实的维护信号，但完全不具备的仓库仍可达到 100/100。

74良好 · 占总体的 4%

AI 代理上下文与指引

75良好
评分方式
45/45代理指令 — CLAUDE.md, resources_servers/terminal_multi_harness/docs/AGENTS.md
0/15机器可读文档（llms.txt）
0/40可读的提交历史 — 无数据
所用输入
has_llms_txt否
llms_txt_url—
legible_history_share—
agent_instruction_filesCLAUDE.md, resources_servers/terminal_multi_harness/docs/AGENTS.md
agent_instruction_max_bytes8,267
已排除计分（无数据或不适用）：可读的提交历史。 其余权重已重新归一化。

验证循环（构建 / 测试 / 类型检查）

85优秀
评分方式
18/18一条命令的引导启动 — Makefile
22/22自动化测试
11/11Lint / 格式化配置
0/11静态类型检查
10/10可复现环境 — Dockerfile, lockfile
0/10已体现的代理实践 — 无数据
0/8自动化维护 — 无数据
0/10OpenSSF Scorecard：Pinned-Dependencies — 无数据
所用输入
has_nix否
has_tests是
lockfilesuv.lock
has_dockerfile是
typed_language否
bootstrap_filesMakefile
has_devcontainer否
has_linter_config是
typecheck_configs—
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share—
已排除计分（无数据或不适用）：已体现的代理实践, 自动化维护。 其余权重已重新归一化。

面向模型的代码可读性

54中等
评分方式
0/45可类型检查的代码 — Python，未配置类型检查
54.4/55可控的文件大小 — 采样的 1,121 个源文件中有 13 个超过 60KB
所用输入
primary_languagePython
largest_source_bytes166,988
source_files_sampled1,121
oversized_source_files13

机器可读接口

60中等
评分方式
0/40API 模式（OpenAPI/GraphQL/proto）
20/20MCP 服务器
40/40可运行示例 — example, notebooks
所用输入
example_dirsexample, notebooks
has_mcp_signal是
api_schema_files—
interfaces_expected_ofnetwork-service

关键数据

1,055GitHub 星标
100贡献者
801最近 12 个月提交数
0距最近推送天数
6发布版本数
6巴士系数（bus factor）
341开放议题
npm, PyPI软件包生态系统数

数据采集警告

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

更多细节

直接依赖 29
注册表软件包版本约束清单文件
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
全部依赖 未采集

本报告未能采集到解析后的依赖集合：GitHub dependency-graph SBOM unavailable (404); the dependency graph may be disabled for this repository

原始 JSON 报告 机器可读

反馈

发现这份报告有不准确之处，或有想法要分享？错误的测量、未识别的工具、建议、疑问——都欢迎提出。每条消息都会被阅读并得到回复。

登录过程中消息不会丢失。

相关记录

与 NVIDIA-NeMo/Gym 共享目录标签或生态系统的已检测仓库。 并排阅读 →

95Tencent/WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.卓越99google/adk-pythonAn open-source, code-first Python toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.卓越96vercel/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 卓越96google/adk-jsAn open-source, code-first Typescript toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.卓越100deepset-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.卓越98bytedance/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.卓越

评分是信号，而非担保。 评分反映的是 GitHub 上公开可见的实践——不是代码审计，也不是安全保证。

缺失数据将被剔除并重新归一化权重，绝不按零分计。方法论已版本化并公开：指标 v2.10.0、模式 v0.12.0—— 完整方法论 · 指标知识库.

单项结果在整体记录中的位置： 汇总统计 — PyPI.