#reinforcement-learning Repositories
Insgesamt 564 Repositories
robosuite: Ein modulares Simulations-Framework und Benchmark für Roboterlernen
GigaBrain-0: Ein von einem Weltmodell angetriebenes Vision-Sprache-Aktionsmodell
Beeindruckende Deep-Learning-Papiere für industrielle Suche, Empfehlung und Werbung. Sie konzentrieren sich auf Embedding, Matching, Pre-Ranking, Ranking, Post-Ranking, Relevanz, LLM und RL. Bitte zitieren Sie unser Papier „Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives“ (TOIS 2026).
Hervorragender Tutorial/Survey/Leitfaden zu Reasoning LLMs
Offizieller Code von Memento: Feinabstimmung von LLM-Agenten ohne Feinabstimmung von LLMs
PPO x Family DRL Tutorial Kurs (Einstiegskurs für entscheidungsintelligente KI: 8 Lektionen, die Ihnen helfen, die Algorithmentheorie zu verstehen, die Logik des Codes zu klären und praktische Entscheidungs-KI-Anwendungen zu meistern)
ProtoMotions ist ein GPU-beschleunigtes Simulations- und Lern-Framework für das Training von physikalisch simulierten digitalen Menschen und humanoiden Robotern.
verl-agent ist eine Erweiterung von veRL, die für das Training von LLM/VLM-Agenten über RL entwickelt wurde. verl-agent ist auch der offizielle Code für die Veröffentlichung "Group-in-Group Policy Optimization for LLM Agent Training"
Eine leichtgewichtige Suite von Motion-Imitation-Methoden für das Training von Controllern.
Lösungen zu Reinforcement Learning: Eine Einführung
MiMo: Erschließung des Denkpotenzials von Sprachmodellen – Vom Pretraining bis zum Posttraining
Eine modulare RL-Bibliothek zur Feinabstimmung von Sprachmodellen auf menschliche Präferenzen
Developer Asset Hub für NVIDIA Nemotron — Eine All-in-One-Ressource für Trainingsrezepte, Anwendungskochbücher, Datensätze und vollständige End‑to‑End-Referenzbeispiele zum Erstellen mit Nemotron-Modellen.
Die einfachste, flexibelste und umfassendste OpenAI Gym-Handelsumgebung (Genehmigt von OpenAI Gym)
Eine Open-Source-Bibliothek für Simulationen und Demos mit echten Robotern auf Basis von MuJoCo.
ICCV2019 - Lernen, mit modellbasiertem tiefem Reinforcement Learning zu malen
Offizielles Repository von 'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning’
Minimale Implementierung des abgeschnittenen Objekts Proximal Policy Optimization (PPO) in PyTorch
Sammlung von Industriestandards und Spitzenpapieren aus den Bereichen Empfehlung/Werbung/Suche. Eine Sammlung von Industriestandards und Spitzenpapieren aus den Bereichen Empfehlung/Werbung/Suche.
PyBullet Gymnasium-Umgebungen für das ein- und mehragentige Reinforcement Learning der Quadcopter-Steuerung
[RSS 2025] "ASAP: Simulation und reale Physik für das Erlernen agiler humanoider Ganzkörperfähigkeiten ausrichten"
Reinforcement Learning-Umgebungen, die auf dem Spiel Doom von 1993 basieren :godmode:
Continuous Thought Machines, da Denken Zeit braucht und Schlussfolgern ein Prozess ist.
Rainbow ist alles, was du brauchst! Eine Schritt-für-Schritt-Anleitung von DQN zu Rainbow
Advanced Deep Learning mit Keras, veröffentlicht von Packt
Eine Sammlung von Robotik-Simulationsumgebungen für Reinforcement Learning
DIAMOND (DIffusion As a Model Of eNvironment Dreams) ist ein Agent für bestärkendes Lernen, der in einem Diffusions-Weltmodell trainiert wurde. NeurIPS 2024 Spotlight.
RoboVerse: Auf dem Weg zu einer einheitlichen Plattform, einem Datensatz und einem Benchmark für skalierbares und generalisierbares Roboterlernen
OpenR: Ein Open-Source-Framework für fortgeschrittene Schlussfolgerungen mit großen Sprachmodellen
Einige großartige KI-bezogene Bücher und PDFs zum Lernen und Herunterladen, wenden Sie auch einige Playground-Modelle zum Lernen an
Handels- und Backtesting-Umgebung für die Schulung von Reinforcement-Learning-Agenten oder einfachen regelbasierten Algorithmen.
Eine Experimentier- und Forschungsplattform zur Untersuchung der Interaktion automatisierter Agenten in abstrakten simulierten Netzwerkumgebungen.