Star200+

Rapport d’audit du skill

VectorizedMultiAgentSimulator Rapport d’audit.

VMAS is a vectorized differentiable simulator designed for efficient Multi-Agent Reinforcement Learning benchmarking. It is comprised of a vectorized 2D physics engine written in PyTorch and a set of challenging multi-robot scenarios. Additional scenarios can be implemented through a simple and modular interface.

Révisé · RevoirRevue nécessaireGénéré 24 août 2026Audit heuristique des métadonnées
81
Audit
81
Confiance
75
Qualité
89
Sécurité
76
Maintain
92
Installer

Trust Score OpenAgentSkill

81
Liste solide

Trust Score OpenAgentSkill

The Trust Score helps an agent decide whether a skill is safe enough to shortlist before installation.

Adoption GitHub

Info

76

588 stars GitHub

Activité stars/forks

Info

71

588 stars et 112 forks; l’activité des issues n’est pas disponible dans les métadonnées actuelles

Maintenance récente

Info

76

3 mois depuis le dernier push

Clarté de licence

Validé

86

GPL-3.0

Complétude README/SKILL.md

Validé

90

Les métadonnées incluent suffisamment de contexte d’usage et de workflow

Risque dépendances/runtime

Validé

90

Aucun indice majeur de risque de dépendance dans les métadonnées publiques

Disponibilité de l’installation

Validé

92

npx skills add proroklab/VectorizedMultiAgentSimulator

Sécurité de la commande d’installation

Validé

92

Chemin d’installation standard de package ou runtime

Surface de permissions

Validé

86

Accès au système de fichiers ou aux documents

Preuve du dépôt

Validé

86

https://github.com/proroklab/VectorizedMultiAgentSimulator

État de revue

Validé

88

Données de revue IA disponibles

Résultats prouvés par Agent

Info

54

Pas encore de données de résultats Agent

Vérifications

Revue d’installation et d’adoption

9 Validé · 6 Revue nécessaire

Chemin d’installation

92

Validé

npx skills add proroklab/VectorizedMultiAgentSimulator

Dépôt

88

Validé

https://github.com/proroklab/VectorizedMultiAgentSimulator

Licence

86

Validé

GPL-3.0

Maintenance

76

Vérifier

3 mois depuis le dernier push

Revue IA

88

Validé

Approved with no listed issues

Complétude README/SKILL.md

90

Validé

Usable description available

Risque de dépendances

90

Validé

Aucun indice majeur de risque de dépendance dans les métadonnées publiques

Sécurité de la commande d’installation

92

Validé

Chemin d’installation standard de package ou runtime

Surface de permissions

86

Validé

Accès au système de fichiers ou aux documents

Activité stars/forks

71

Vérifier

588 stars et 112 forks; l’activité des issues n’est pas disponible dans les métadonnées actuelles

Adoption

88

Validé

588 stars GitHub

Financial decision safety

58

Vérifier

Research-only use: do not treat output as financial advice or execute a position without human approval.

Avertissements

  • Financial research output is not financial advice; require human review before any live investment decision
  • Financial research output is not financial advice; require human review before any live investment decision.
  • Quality score needs review

Méthode

This report combines public metadata, AI review output, repository freshness, install readiness, OpenAgentSkill events, quality scoring, trust checks, and the agent safety gate. It is not a full source-code security review.

Comparer les options proches

Skills associés à auditer ensuite

Firecrawl

The API to search, scrape, and interact with the web at scale. 🔥

139K Stars · Rapport d’audit

Agno

Build, run, and manage agent platforms.

42K Stars · Rapport d’audit

AutoGPT

Build and run autonomous AI agents for open-ended tasks

186K Stars · Rapport d’audit