公开记录
软件健康报告模式 0.34.0 · 指标 2.10.0 · 2026-09-05 22:25 UTC

pytorch / rl

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

PythonMIT★ 3,548 星标⑂ 480 复刻始于 2022年2月在 GitHub 上查看 ↗
类型命令行工具插件库如何判定
#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 的健康指数为 100 分中的 91 分，处于「优秀」区间。 其得分最高的类别是Vitality（97/100），最低的是Security（21/100）。 最近一次更新在今天。 近期的大部分工作由 1 位贡献者完成。

91
总分 / 100
优秀

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。

91
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 77 经校准后在公布的指数量表上为 91（记录校准 2026-08-02）。

所有权

pytorch组织 · 域名已验证
13,606 关注者70 个公开仓库始于 2016年8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
PyPItorchrl0.13.384,7813453 天前reinforcement-learningpytorchrlmachine-learning

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？

97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
31.2/36提交节奏 — 52 周中有 45 周有提交
18/18提交量 — 最近一年 786 次提交
0/10OpenSSF Scorecard：Maintained — 无数据
所用输入
commits_last_year786
human_commit_share0.96
days_since_last_push0
active_weeks_last_year45

发布纪律

100卓越
评分方式
27/27有发布版本 — 已发布 35 个发布版本
36/36发布时效 — 最近一次发布版本于 53 天前
27/27发布节奏 — 约每 40.2 天发布一次
0/10OpenSSF Scorecard：Signed-Releases — 无数据
所用输入
releases_count35
latest_release_tagv0.13.3
releases_from_tags否
days_since_latest_release53
mean_days_between_releases40.2

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？

88优秀 · 占总体的 17%

流行度与采用

89优秀
评分方式
57.6/60星标 — 3,548 个星标
22.3/25复刻 — 480 个复刻
9.1/15关注者 — 44 位关注者
所用输入
forks480
stars3,548
watchers44
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

社区健康

92优秀
评分方式
22.5/22.5README
22.5/22.5许可证 — 可识别的许可证（MIT）
18/18CONTRIBUTING 指南
13.5/13.5行为准则
0/7.2议题模板
6.3/6.3PR 模板
所用输入
has_readme是
has_license是
readme_badges12
has_contributing是
has_issue_template否
has_code_of_conduct是
readme_badge_servicescodecov.io, github.com, shields.io
has_pull_request_template是

生态采用（下载量）

82优秀
评分方式
65.7/80月度下载量 — pypi 合计每月 84,781 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
packagestorchrl
dependents—
ecosystemspypi
total_downloads—
monthly_downloads84,781
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？

76良好 · 占总体的 23%

维护者韧性（巴士系数）

34存在风险
评分方式
9/54巴士系数 — 1 位贡献者贡献了半数提交
8.4/22.5提交分布 — 头号贡献者编写了 63% 的提交
13.5/13.5贡献者广度 — 99 位贡献者
0/10OpenSSF Scorecard：Contributors — 无数据
所用输入
bus_factor1
contributors_sampled99
top_contributor_share0.627

议题与 PR 响应能力

85优秀
评分方式
32.6/42议题解决 — 78% 的议题已关闭
26.6/30PR 接受 — 已裁定的 PR 中 2,862/3,229 已合并
13/13Newcomer PR acceptance — 30 天内首次贡献者的 PR 已合并 9/9
0/15OpenSSF Scorecard：Code-Review — 无数据
所用输入
merged_prs2,862
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

所有权与托管责任

100卓越
评分方式
30/30所有权背书 — 组织持有
20/20已验证域名
25/25所有者影响力 — pytorch 有 13,606 位关注者
25/25既往记录 — 70 个公开仓库，账户约 10 年
所用输入
followers13,606
owner_typeOrganization
is_verified是
owner_loginpytorch
public_repos70
account_age_days3,675

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 53 天前
20/20版本历史 — 34 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
packagestorchrl
ecosystemspypi
any_deprecated否
min_days_since_publish53

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 — 30 个工作流
24/24存在测试
16/16Linter 配置 — setup.cfg ([flake8])
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://pytorch.org/rl
10/10仓库描述
10/10主题标签 — 13 个主题标签
0/10Wiki
所用输入
topicsai, control, decision-making, distributed-computing, machine-learning, marl, model-based-reinforcement-learning, multi-agent-reinforcement-learning, pytorch, reinforcement-learning, rl, robotics, torch
has_wiki否
homepagehttps://pytorch.org/rl
docs_sitehttps://pytorch.org/rl
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？

21存在风险 · 占总体的 16%

安全态势

1危急
评分方式
0/30安全策略（SECURITY.md）
0/25Dependabot 配置
0/25依赖锁定文件
0/20CodeQL 工作流
所用输入
sourcefile_signals
lockfiles—
manifestsbenchmarks/requirements.txt, docs/requirements.txt, pyproject.toml, setup.cfg, setup.py
has_codeql_workflow否
has_security_policy否
has_dependabot_config否

依赖安全公告

100卓越
评分方式
35/35直接依赖不含已知公告 — 没有直接依赖携带已知公告
25/25间接依赖不含已知公告 — 没有间接依赖携带已知公告
0/40没有长期未处理的公告 — 没有公告带有发布日期
所用输入
sourceosv
advisories0
affected_packages0
assessed_packages37
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
已排除计分（无数据或不适用）：没有长期未处理的公告。 其余权重已重新归一化。 比对的是 pypi:torchrl@0.13.3 的运行时依赖闭包——安装已发布的软件包时真正被拉取进来的内容——共 37 个软件包。 未对可达性进行分析。

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。

92优秀 · 占总体的 4%

AI 代理上下文与指引

100卓越
评分方式
45/45代理指令 — AGENTS.md, CLAUDE.md
15/15机器可读文档（llms.txt） — 项目网站提供 llms.txt（https://pytorch.org/llms.txt）
40/40可读的提交历史 — 96 次人类提交中有 86 次说明了意图（结构化标题或解释性正文）
所用输入
has_llms_txt是
llms_txt_urlhttps://pytorch.org/llms.txt
legible_history_share0.896
agent_instruction_filesAGENTS.md, CLAUDE.md
agent_instruction_max_bytes13,220

验证循环（构建 / 测试 / 类型检查）

89优秀
评分方式
18/18一条命令的引导启动 — Makefile, docs/Makefile
22/22自动化测试
11/11Lint / 格式化配置 — setup.cfg ([flake8])
11/11静态类型检查 — mypy.ini
0/10可复现环境
10/10已体现的代理实践 — 最近 100 次提交中有 20 次由代理编写或署名代理
8/8自动化维护 — 最近 100 次提交中有 4 次为自动依赖更新
0/10OpenSSF Scorecard：Pinned-Dependencies — 无数据
所用输入
has_nix否
has_tests是
lockfiles—
has_dockerfile否
typed_language否
bootstrap_filesMakefile, docs/Makefile
has_devcontainer否
has_linter_config是
typecheck_configsmypy.ini
agent_commit_share0.2
toolchain_manifests—
dependency_bot_commit_share0.04

面向模型的代码可读性

78良好
评分方式
27/45可类型检查的代码 — Python，已配置类型检查（mypy.ini）
50.5/55可控的文件大小 — 采样的 869 个源文件中有 71 个超过 60KB
所用输入
primary_languagePython
largest_source_bytes321,561
source_files_sampled869
oversized_source_files71

机器可读接口

100卓越
评分方式
0/40API 模式（OpenAPI/GraphQL/proto） — 不适用于此类软件
0/20MCP 服务器 — 不适用于此类软件
40/40可运行示例 — examples, recipes
所用输入
example_dirsexamples, recipes
has_mcp_signal否
api_schema_files—
interfaces_expected_of—
已排除计分（无数据或不适用）：API 模式（OpenAPI/GraphQL/proto）, MCP 服务器。 其余权重已重新归一化。

关键数据

3,548GitHub 星标
99贡献者
786最近 12 个月提交数
0距最近推送天数
35发布版本数
1巴士系数（bus factor）
191开放议题
PyPI软件包生态系统数

数据采集警告

  • 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

更多细节

Star 与 Fork 历史 0 ★ / 480 ⇿
0Star
480Fork
35发布

每颗 star 和每个 fork 的添加时间，来自 GitHub 并按天汇总。累计增长位于其构成来源——每日新增——的正上方，二者可相互对照：稳定的自然增长与短暂的突增形态截然不同。当这一差别可被衡量时，它会作为增长真实性予以报告。

0100200300400500476102022-042024-062026-09
主版本 0次版本 13修订 17

每个点涵盖 5 天。

直接依赖 7
注册表软件包版本约束清单文件
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
全部依赖 224

来自 GitHub 依赖图的完整解析依赖集合：15 个直接依赖与 209 个间接（传递）软件包。仓库提交锁文件时，传递闭包才是完整的。

注册表软件包版本关系
PyPIcloudpickle—直接
PyPIcloudpickle3.1.2直接
PyPIhoptorch—直接
PyPIhoptorch0.1.4直接
PyPInumpy—直接
PyPInumpy2.2.6直接
PyPIpackaging—直接
PyPIpackaging26.2直接
PyPIpyvers—直接
PyPIpyvers0.2.3直接
PyPItensordict—直接
PyPItensordict0.9.0直接
PyPItorch—直接
PyPItorch2.12.0直接
PyPItorch2.14.0.dev20260713+cu126直接
PyPIabsl-py2.5.0间接
PyPIaccelerate—间接
PyPIaccelerate1.14.0间接
PyPIaccelerate1.7.0间接
PyPIale-py—间接
PyPIale-py0.8.1间接
PyPIannotated-doc0.0.4间接
PyPIanyio4.14.2间接
PyPIattrs26.1.0间接
PyPIautorom0.4.2间接
PyPIautorom-accept-rom-license0.6.1间接
PyPIbitsandbytes—间接
PyPIbitsandbytes0.46.0间接
PyPIcertifi2026.6.17间接
PyPIcharset-normalizer3.4.9间接
PyPIclick8.4.2间接
PyPIcmake—间接
PyPIcmake4.4.0间接
PyPIcontourpy1.3.2间接
PyPIcoverage—间接
PyPIcuda-bindings12.9.7间接
PyPIcuda-pathfinder1.5.6间接
PyPIcuda-toolkit12.6.3间接
PyPIcycler0.12.1间接
PyPIdatasets—间接
PyPIdatasets3.6.0间接
PyPIdm-control—间接
PyPIdm-control1.0.41间接
PyPIdm-env1.6间接
PyPIdm-tree0.1.10间接
PyPIdocutils—间接
PyPIetils1.13.0间接
PyPIexceptiongroup1.3.1间接
PyPIexpecttest—间接
PyPIfilelock3.29.7间接
PyPIfonttools4.63.0间接
PyPIfsspec2026.6.0间接
PyPIfuture—间接
PyPIglfw2.10.0间接
PyPIgym0.26.2间接
PyPIgym-notices0.1.0间接
PyPIgymnasium—间接
PyPIgymnasium-robotics—间接
PyPIh110.16.0间接
PyPIhf-xet1.5.1间接
PyPIhttpcore1.0.9间接
PyPIhttpx0.28.1间接
PyPIhuggingface-hub1.23.0间接
PyPIhydra-core—间接
PyPIhydra-core1.3.4间接
PyPIhydra-submitit-launcher—间接
PyPIhypothesis—间接
PyPIidna3.18间接
PyPIimageio—间接
PyPIimmutabledict—间接
PyPIimmutabledict4.2.1间接
PyPIimportlib-metadata9.0.0间接
PyPIimportlib-resources7.1.0间接
PyPIiniconfig2.3.0间接
PyPIipython—间接
PyPIjax—间接
PyPIjinja23.1.6间接
PyPIjsonschema4.26.0间接
PyPIjsonschema-specifications2025.9.1间接
PyPIkiwisolver1.5.0间接
PyPIlabmaze1.0.6间接
PyPIlangdetect—间接
PyPIlangdetect1.0.9间接
PyPIlerobot—间接
PyPIlxml6.1.1间接
PyPImarkdown-it-py4.2.0间接
PyPImarkupsafe3.0.2间接
PyPImatplotlib—间接
PyPImatplotlib3.10.9间接
PyPImdurl0.1.2间接
PyPImemory-profiler—间接
PyPIminari—间接
PyPImpmath1.3.0间接
PyPImsgpack1.2.1间接
PyPImujoco—间接
PyPImujoco3.8.1间接
PyPImujoco-torch—间接
PyPImyst-parser—间接
PyPInetworkx3.4.2间接
PyPIninja—间接
PyPIninja1.13.0间接
PyPInltk—间接
PyPInltk3.10.3间接
PyPInvidia-cublas-cu1212.6.4.1间接
PyPInvidia-cuda-cupti-cu1212.6.80间接
PyPInvidia-cuda-nvrtc-cu1212.6.85间接
PyPInvidia-cuda-runtime-cu1212.6.77间接
PyPInvidia-cudnn-cu129.10.2.21间接
PyPInvidia-cufft-cu1211.3.0.4间接
PyPInvidia-cufile-cu121.11.1.6间接
PyPInvidia-curand-cu1210.3.7.77间接
PyPInvidia-cusolver-cu1211.7.1.2间接
PyPInvidia-cusparse-cu1212.5.4.2间接
PyPInvidia-cusparselt-cu120.7.1间接
PyPInvidia-nccl-cu122.29.3间接
PyPInvidia-nvjitlink-cu1212.9.86间接
PyPInvidia-nvshmem-cu123.4.5间接
PyPInvidia-nvtx-cu1212.6.77间接
PyPIomegaconf—间接
PyPIonnx—间接
PyPIonnxruntime—间接
PyPIonnxscript—间接
PyPIopen-spiel—间接
PyPIopencv-python-headless—间接
PyPIorjson3.11.9间接
PyPIpandas—间接
PyPIpandas2.3.3间接
PyPIpeft—间接
PyPIpeft0.15.2间接
PyPIpettingzoo—间接
PyPIpillow—间接
PyPIpillow12.3.0间接
PyPIplaywright—间接
PyPIpluggy1.6.0间接
PyPIprocgen—间接
PyPIprotobuf—间接
PyPIprotobuf7.35.1间接
PyPIpsutil—间接
PyPIpsutil7.2.2间接
PyPIpy-cpuinfo9.0.0间接
PyPIpybind11—间接
PyPIpybind113.0.4间接
PyPIpybind11-global3.0.4间接
PyPIpygame—间接
PyPIpyglet—间接
PyPIpygments2.20.0间接
PyPIpyopengl3.1.10间接
PyPIpyparsing3.3.2间接
PyPIpytest—间接
PyPIpytest9.1.1间接
PyPIpytest-asyncio—间接
PyPIpytest-benchmark—间接
PyPIpytest-benchmark5.2.3间接
PyPIpytest-cov—间接
PyPIpytest-error-for-skips—间接
PyPIpytest-instafail—间接
PyPIpytest-mock—间接
PyPIpytest-rerunfailures—间接
PyPIpytest-timeout—间接
PyPIpytest-timeout2.4.0间接
PyPIpytest-xdist—间接
PyPIpython-dateutil2.9.0.post0间接
PyPIpytorch-sphinx-theme2—间接
PyPIpytz2026.2间接
PyPIpyyaml—间接
PyPIpyyaml6.0.3间接
PyPIray—间接
PyPIray2.56.0间接
PyPIreferencing0.37.0间接
PyPIregex2026.7.10间接
PyPIrequests—间接
PyPIrequests2.34.2间接
PyPIrich15.0.0间接
PyPIrpds-py0.30.0间接
PyPIsafetensors—间接
PyPIsafetensors0.8.0间接
PyPIsafety-gymnasium—间接
PyPIscipy—间接
PyPIscipy1.15.3间接
PyPIsentencepiece—间接
PyPIsetuptools—间接
PyPIsetuptools83.0.0间接
PyPIsetuptools-scm10.2.0间接
PyPIshellingham1.5.4间接
PyPIsix1.17.0间接
PyPIsphinx—间接
PyPIsphinx-autodoc-typehints—间接
PyPIsphinx-copybutton—间接
PyPIsphinx-design—间接
PyPIsphinx-gallery—间接
PyPIsphinx-serve1.0.1间接
PyPIsphinxcontrib-htmlhelp—间接
PyPIsphinxcontrib-video—间接
PyPIsympy1.14.0间接
PyPItenacity—间接
PyPItenacity9.1.4间接
PyPItiktoken—间接
PyPItokenizers0.23.0rc0间接
PyPItomli2.4.1间接
PyPItorchcodec—间接
PyPItorchvision—间接
PyPItorchvision0.29.0.dev20260714+cu126间接
PyPItqdm—间接
PyPItqdm4.67.1间接
PyPItqdm4.68.4间接
PyPItransformers—间接
PyPItransformers5.10.1间接
PyPItransformers5.13.1间接
PyPItriton3.8.0+git43422b04间接
PyPItyper0.26.8间接
PyPItyping-extensions—间接
PyPItyping-extensions4.16.0间接
PyPItzdata2026.3间接
PyPIurllib32.7.0间接
PyPIvcs-versioning2.2.2间接
PyPIvllm—间接
PyPIvllm0.26.0间接
PyPIvmas—间接
PyPIwandb—间接
PyPIwandb0.19.11间接
PyPIwrapt2.2.2间接
PyPIxformers—间接
PyPIxformers0.0.30间接
PyPIzipp4.1.0间接
依赖安全公告 0

安装 pypi:torchrl@0.13.3 会引入 37 个包（直接与传递）：其中 0 个存在已知公告，0 个为直接依赖。

没有已知公告影响已评估的依赖。

公告表示依赖图中记录的版本落入某条公告的受影响范围。可达性未经分析，且依赖图包含开发与测试的版本固定——某项发现可能只涉及工具链而非交付的软件。

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 pytorch/rl 共享目录标签或生态系统的已检测仓库。 并排阅读 →

100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.卓越100onnx/onnxOpen standard for machine learning interoperability卓越100ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.卓越98replicate/cogContainers for machine learning卓越98ultralytics/ultralyticsUltralytics YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object tracking卓越98aws/sagemaker-python-sdkA library for training and deploying machine learning models on Amazon SageMaker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 v0.34.0—— 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.