#reinforcement-learning Repositories
Insgesamt 564 Repositories
JMLR: OmniSafe ist ein infrastrukturelles Framework zur Beschleunigung der SafeRL-Forschung.
Ein MemAgent-Framework, das auf 3,5 Millionen erweitert werden kann, zusammen mit einem Trainings-Framework für das RL-Training von beliebigen Agenten-Workflows.
Wir stellen den Audio Logical Reasoning (ALR) Datensatz vor, der aus 6.446 Text-Audio-annotierten Stichproben besteht und speziell für komplexe Schlussfolgerungsaufgaben entwickelt wurde. Aufbauend auf dieser Ressource schlagen wir SoundMind vor, einen regelbasierten Algorithmus für bestärkendes Lernen (RL), der darauf zugeschnitten ist, Audio-Sprachmodellen (ALMs) tiefe bimodale Schlussfolgerungsfähigkeiten zu verleihen.
XuanCe: Eine umfassende und einheitliche Bibliothek für Deep Reinforcement Learning
Eine kuratierte Liste von Ressourcen, die sich der Verstärkungslernen zur Cybersicherheit widmen.
Asynchroner Advantage Actor-Critic (A3C) Algorithmus für Super Mario Bros
Reinforcement Learning-Umgebungen für die Verkehrslichtsteuerung mit SUMO. Kompatibel mit Gymnasium, PettingZoo und beliebten RL-Bibliotheken.
Modulare Reinforcement Learning (RL) Bibliothek (implementiert in PyTorch, JAX und NVIDIA Warp) mit Unterstützung für Gymnasium/Gym, NVIDIA Isaac Lab, MuJoCo Playground und andere Umgebungen
:computer: Lerne, Maschinen lernen zu lassen, damit du nicht mit ihrem Programmieren kämpfen musst; Die ultimative Liste
Der Continuous-Improvement-Stack für Agenten. Unsere Umgebungsdaten und Evaluierungen treiben die Verbesserung und Überwachung von Agenten voran.
Offener, quellenbasierter Katalog von Computer-Use-Agenten: geprüfte Fachartikel, GUI-Modelle, Datensätze, Benchmarks, Tools und wiederverwendbare JSONL-/SQLite-Daten.
Offizielle Implementierung von "KungfuBot: Physikbasierte Ganzkörpersteuerung für humanoide Roboter zum Erlernen hochdynamischer Fähigkeiten"
Ein Fork von gym-retro mit zusätzlichen Spielen, Emulatoren und unterstützten Plattformen
UniRL ist ein Framework für das Reinforcement Learning vereinheitlichter multimodaler Modelle
Ein dict[str, torch.Tensor], das sich wie ein einzelner Tensor verhält, und TensorClass: typisierte, gebatchte Dataclasses, die kompiliert werden können.
Dies ist eine Bibliothek, die mithilfe von Isaac Gym duale geschickte Handmanipulationsaufgaben bereitstellt
Ein Index von Algorithmen für Offline-Reinforcement-Learning (Offline-RL)
Policy Gradient ist alles, was du brauchst! Ein schrittweises Tutorial für bekannte PG-Methoden.
Quellcode für das Buch "Reinforcement Learning: Theory and Python Implementation"
[ICLR2026] Überdenken der hochqualitativen ästhetischen Poster-Generierung in einem einheitlichen Rahmen
Checkpoint-engine ist eine einfache Middleware zur Aktualisierung von Modellgewichten in LLM-Inferenz-Engines
Sammlung klassischer und hochaktueller Aufsätze und Materialien in der Empfehlungs- und Werbeindustrie / Pflichtlektüre-Papers zu Empfehlungssystemen und CTR-Vorhersage
Reinforcement Learning Umgebungen für Compiler- und Programmoptimierungsaufgaben
UniLab: Vertragsbasierte Infrastruktur für Roboterlernen über verschiedene Physik-Backends und Hardware hinweg
🌟 Eine kuratierte Sammlung kostenloser, hochwertiger KI-Tools 🤖, APIs 🔗, Datensätze 📊 und Lernressourcen 📚 zu den Themen maschinelles Lernen 🧠, Deep Learning 🧩, generative KI 🎨, NLP 💬 und Data Science 📈. Entwickelt, um Entwicklern 👩💻, Forschern 🔬 und Kreativen ✨ dabei zu helfen, schneller mit KI zu experimentieren und zu bauen ⚡.
Ein schneller und differenzierbarer Löser für modellprädiktive Regelung (MPC) für PyTorch.
Ein leistungsstarkes, LLM-basiertes Audio-Bearbeitungsmodell mit 3 Milliarden Parametern, das auf Reinforcement Learning basiert, zeichnet sich durch die Bearbeitung von Emotionen, Sprachstil und Paralinguistik aus und bietet eine robuste Zero-Shot-Text-to-Speech-Funktion.
Code für „TD-MPC2: Skalierbare, robuste Weltmodelle für kontinuierliche Steuerung“
Ein offenes Grundlagenmodell und Benchmark zur Beschleunigung generativer Empfehlung
Eine Benchmark-Umgebung für vollständig kooperative Mensch-KI-Leistung.
Der vollständige Post-Training-Stack für LLMs, plus RL für jedes Problem. SFT, DPO und mehrstufiges agentisches RL mit integrierter evolutionärer Hyperparameteroptimierung.
Liste des molekularen und materiellen Designs unter Verwendung von generativer KI und Deep Learning
MineRL-Wettbewerb für muster-effizientes Reinforcement Learning - Python-Paket