#rl Repositories
Entdecke 47 aktive Open-Source-GitHub-Repositories, die mit #rl getaggt sind und insgesamt 119,707 Sterne gesammelt haben (durchschnittlich 2,546 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist LlamaChinese/Llama-Chinese mit 14,712 Sternen.
Insgesamt 47 Repositories
Llama Chinesische Community, sammelt in Echtzeit die neuesten Llama-Lernmaterialien, baut das beste chinesische Open-Source-Ökosystem für Llama-große Modelle auf, vollständig Open Source und kommerziell nutzbar
Dopamine ist ein Forschungsframework für das schnelle Prototyping von Reinforcement-Learning-Algorithmen.
Agent Reinforcement Trainer: Trainieren Sie Multi-Step-Agenten für reale Aufgaben mit GRPO. Geben Sie Ihren Agenten eine praxisnahe Ausbildung. Reinforcement Learning für Qwen3.6, GPT-OSS, Llama und mehr!
EasyR1: Ein effizientes, skalierbares Multi-Modalitäts-RL-Trainingsframework basierend auf veRL
🚀 Ein Open-Source-, praxisorientierter Lehrplan, der die Lücke von grundlegenden RL-Konzepten bis zur LLM-Ausrichtung, RLVR und fortgeschrittenen Agentic-Systemen überbrückt.
agent-sandbox ermöglicht die einfache Verwaltung isolierter, zustandsbehafteter Singleton-Workloads und eignet sich ideal für Anwendungsfälle wie Laufzeitumgebungen für KI-Agenten und Reinforcement Learning (RL).
Eine modulare, primatenfreundliche, Python-first PyTorch-Bibliothek für Reinforcement Learning.
Eine Implementierung des AlphaZero-Algorithmus für Gomoku (auch Gobang oder Five in a Row genannt)
Behandelt Vortrainingsdaten, Tokenizer, Transformer, MoE, verteiltes Training, Skalierungsgesetze, Inferenz und Alignment. 6 aufeinander aufbauende Programmieraufgaben für das ganzheitliche Lernen von LLMs.
Ein Trainingsframework für Stable Baselines3 Reinforcement Learning Agenten, inklusive Hyperparameter-Optimierung und vortrainierter Agenten.
Eine Untersuchung des Reinforcement Learning für große Schlussfolgerungsmodelle
[ICLR 2026] SimpleVLA-RL: Skalierung des VLA-Trainings mit Verstärkungslernen
Der Continuous-Improvement-Stack für Agenten. Unsere Umgebungsdaten und Evaluierungen treiben die Verbesserung und Überwachung von Agenten voran.
Tensorlake ist eine serverlose Laufzeitumgebung für Sandboxes und die Bereitstellung von Hintergrund-Agentic-Anwendungen
"AI-Compass" wird der Community die Richtung vorgeben, wie sie im Ozean der KI-Technologien navigiert. Ob Sie Anfänger oder fortgeschrittener Entwickler sind, hier finden Sie Wege zu allen wichtigen KI-Entwicklungen. Ziel ist es, Entwicklern zu helfen, KI’s zentrale Konzepte, Haupttechnologien und Zukunftstrends systematisch zu verstehen und durch Praxis den gesamten Prozess vom Theoriebereich bis hin zur Umsetzung zu beherrschen.
KI-native Risiko-Intelligenzsysteme, OpenDeRisk – Ihr intelligenter Manager für Anwendungsrisiken bietet rund um die Uhr umfassenden und tiefgreifenden Schutz.
Eine kuratierte Sammlung von Papieren, technischen Berichten, Frameworks und Tools für die On-Policy-Destillation (OPD) großer Sprachmodelle
[EMNLP 2026] MobileGym: Eine überprüfbare und hochparallele Simulationsplattform für die Forschung an mobilen GUI-Agenten · Im Browser gehosteter Android-Simulator · Überprüfbare Evaluierung · Skalierbares Online-RL-Training
3D-gedruckte Open-Source-Humanoide-Roboterplattform für Sim-to-Real und RL
Contrib-Paket für Stable-Baselines3 - Experimenteller Code für verstärkendes Lernen (RL)
Offizielles Repository für DR Tulu: Reinforcement Learning mit sich entwickelnden Bewertungsmaßstäben für tiefgehende Forschung
Eine kuratierte Liste von Monte-Carlo-Baumsuch-Papieren mit Implementierungen.
BenchMARL ist eine Bibliothek zum Benchmarking von Multi-Agent Reinforcement Learning (MARL). BenchMARL ermöglicht den schnellen Vergleich verschiedener MARL-Algorithmen, Aufgaben und Modelle, während es systematisch auf seinen beiden Kernprinzipien basiert: Reproduzierbarkeit und Standardisierung.
KI-Forschungsplattform für Reinforcement Learning aus realen Panoramabildern.
Implementierung von Inverse Reinforcement Learning (IRL)-Algorithmen in Python/TensorFlow. Deep MaxEnt, MaxEnt, LPIRL
Neueste Fortschritte im Long Chain-of-Thought-Schlussfolgern
ROS2-Control-Implementierungen für Quadruped-Roboter, einschließlich sim2real
Meta Agents Research Environments ist eine umfassende Plattform zur Evaluierung von KI-Agenten in dynamischen, realistischen Szenarien. Im Gegensatz zu statischen Benchmarks führt diese Plattform sich entwickelnde Umgebungen ein, in denen Agenten ihre Strategien anpassen müssen, sobald neue Informationen verfügbar werden, was die Herausforderungen der realen Welt widerspiegelt.
Implementierungen von Multi-Objective Reinforcement Learning-Algorithmen.
DeepThinkVLA: Verbesserung der Reasoning-Fähigkeiten von Vision-Language-Action-Modellen
Offizielle Implementierung von GDPO: Richtlinienoptimierung mit entkoppelter Gruppennormalisierung der Belohnungen für die Optimierung des Reinforcement Learning mit mehreren Belohnungen
Häufig gestellte Fragen
Welches ist das beliebteste #rl-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#rl-Projekt auf GitHub ist LlamaChinese/Llama-Chinese mit 14,712 Sternen. Llama Chinesische Community, sammelt in Echtzeit die neuesten Llama-Lernmaterialien, baut das beste chinesische Open-Source-Ökosystem für Llama-große Modelle auf, vollständig Open Source und kommerziell nutzbar
Welche Programmiersprachen werden in #rl-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #rl-Projekten auf GitHub sind Python, Jupyter Notebook, C++, Go die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #rl-Repositories berechnet?
Wir verfolgen 47 aktive Open-Source-Repositories, die mit #rl getaggt sind (500+ Sterne), mit insgesamt 119,707 Sternen und durchschnittlich 2,546 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.