Git Stars Git Stars

#reinforcement-learning リポジトリ

563
リポジトリ総数
2.1M
合計スター数
3,717
リポジトリあたりの平均スター数
プログラミング言語: Python Jupyter Notebook C++ Java

リポジトリ合計564件

151
ARISE-Initiative/robosuite

robosuite: ロボット学習のためのモジュラーシミュレーションフレームワークとベンチマーク

ARISE-Initiative
⭐ 2,720 Python 👤 ARISE-Initiative Organization 🕐 更新日時 2026-11-19 📅 作成日 2018-10-25
152
google-deepmind/mctx

JAXにおけるモンテカルロ木探索

google-deepmind
⭐ 2,686 Python 👤 google-deepmind Organization 🕐 更新日時 2026-10-05 📅 作成日 2022-03-01
153
open-gigaai/giga-brain-0

GigaBrain-0: 世界モデル駆動型の視覚-言語-行動モデル

open-gigaai
⭐ 2,673 Python 👤 open-gigaai Organization 🕐 更新日時 2026-09-09 📅 作成日 2025-09-26
154
guyulongcs/Awesome-Deep-Learning-Papers-for-Search-Recommendation-Advertising

産業向け検索、推薦、広告のための優れた深層学習論文。これらはEmbedding、Matching、Pre-Ranking、Ranking、Post Ranking、Relevance、LLM、RLに焦点を当てています。私たちの論文「産業用検索エンジン、レコメンダーシステム、オンライン広告におけるランキングのための深層学習 - 概要と新たな視点」(TOIS 2026)をぜひ引用してください。

guyulongcs
⭐ 2,636 Python 👤 guyulongcs User 🕐 更新日時 2026-11-13 📅 作成日 2020-09-06
155
mbzuai-oryx/Awesome-LLM-Post-training

素晴らしい推論LLMチュートリアル/サーベイ/ガイド

mbzuai-oryx
⭐ 2,589 Python 👤 mbzuai-oryx Organization 🕐 更新日時 2026-09-05 📅 作成日 2025-02-13
156
Memento-Teams/Memento

Mementoの公式コード:LLMをファインチューニングせずにLLMエージェントをファインチューニングする

Memento-Teams
⭐ 2,584 Python 👤 Memento-Teams User 🕐 更新日時 2025-10-05 📅 作成日 2025-06-20
157
opendilab/PPOxFamily

PPO x Family DRLチュートリアルコース(意思決定インテリジェンス入門公開講座:8つのレッスンでアルゴリズム理論を整理し、コードロジックを明確にし、意思決定AIアプリケーションの実践をマスターしましょう)

opendilab
⭐ 2,582 Python 👤 opendilab Organization 🕐 更新日時 2025-03-13 📅 作成日 2022-11-14
158
skyrl-project/SkyRL

SkyRL: LLM向けのモジュラー型フルスタックRLライブラリ

skyrl-project
⭐ 2,546 Python 👤 skyrl-project Organization 🕐 更新日時 2026-11-20 📅 作成日 2025-04-22
159
google/tunix

軽量LLMポストトレーニングライブラリ

google
⭐ 2,516 Python 👤 google Organization 🕐 更新日時 2026-11-21 📅 作成日 2025-04-02
160
NVlabs/ProtoMotions

ProtoMotionsは、物理的にシミュレーションされたデジタルヒューマンおよび人型ロボットのトレーニングのためのGPUアクセラレーテッドシミュレーション・学習フレームワークです。

NVlabs
⭐ 2,507 Python 👤 NVlabs Organization 🕐 更新日時 2026-11-10 📅 作成日 2024-09-24
161
langfengQ/verl-agent

verl-agentは、RLを介したLLM/VLMエージェントのトレーニングのために設計されたveRLの拡張機能です。verl-agentは、「Group-in-Group Policy Optimization for LLM Agent Training」という論文の公式コードでもあります。

langfengQ
⭐ 2,457 Python 👤 langfengQ User 🕐 更新日時 2026-06-09 📅 作成日 2025-03-23
162
Unakar/Logic-RL

論理パズルでR1ゼロを再現する

Unakar
⭐ 2,451 Python 👤 Unakar User 🕐 更新日時 2025-03-20 📅 作成日 2025-02-02
⭐ 2,444 Python 👤 HybridRobotics Organization 🕐 更新日時 2026-07-24 📅 作成日 2025-08-11
164
xbpeng/MimicKit

コントローラーのトレーニングのための軽量なモーション模倣メソッドスイート。

xbpeng
⭐ 2,443 Python 👤 xbpeng User 🕐 更新日時 2026-11-18 📅 作成日 2025-10-08
166
XiaomiMiMo/MiMo

MiMo:言語モデルの推論能力を解き放つ – 事前学習から事後学習まで

XiaomiMiMo
⭐ 2,411 Python 👤 XiaomiMiMo Organization 🕐 更新日時 2026-10-29 📅 作成日 2025-04-26
167
allenai/RL4LMs

人間の好みに言語モデルをファインチューニングするためのモジュラーRLライブラリ

allenai
⭐ 2,376 Python 👤 allenai Organization 🕐 更新日時 2024-03-01 📅 作成日 2022-08-18
168
NVIDIA-NeMo/Nemotron

NVIDIA Nemotron のデベロッパー資産ハブ — Nemotron モデルで構築するためのトレーニングレシピ、使用方法のクックブック、データセット、および完全なエンドツーエンドの参照例のワンストップリソース。

NVIDIA-NeMo
⭐ 2,372 Jupyter Notebook 👤 NVIDIA-NeMo Organization 🕐 更新日時 2026-11-20 📅 作成日 2025-10-03
169
AminHP/gym-anytrading

最もシンプルで柔軟かつ包括的な OpenAI Gym 取引環境 (OpenAI Gym 承認済み)

AminHP
⭐ 2,361 Python 👤 AminHP User 🕐 更新日時 2024-03-14 📅 作成日 2019-09-16
170
google-deepmind/mujoco_playground

MuJoCo を基盤とした、シミュレーションおよび実機ロボットのデモ用オープンソースライブラリ。

google-deepmind
⭐ 2,326 Python 👤 google-deepmind Organization 🕐 更新日時 2026-11-21 📅 作成日 2024-12-03
171
hzwer/ICCV2019-LearningToPaint

ICCV2019 - モデルベースの深層強化学習で絵を描くことを学ぶ

hzwer
⭐ 2,297 Python 👤 hzwer User 🕐 更新日時 2025-05-07 📅 作成日 2019-03-11
172
alessiodm/drl-zh

深層強化学習:ゼロからヒーローへ!

alessiodm
⭐ 2,292 Jupyter Notebook 👤 alessiodm User 🕐 更新日時 2026-05-26 📅 作成日 2024-01-10
173
Liuziyu77/Visual-RFT

'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning' の公式リポジトリ

Liuziyu77
⭐ 2,283 Jupyter Notebook 👤 Liuziyu77 User 🕐 更新日時 2025-10-29 📅 作成日 2025-02-24
174
nikhilbarhate99/PPO-PyTorch

PyTorchにおけるクリップされた目的関数を用いた近接方策最適化(PPO)の最小実装

nikhilbarhate99
⭐ 2,279 Python 👤 nikhilbarhate99 User 🕐 更新日時 2024-07-09 📅 作成日 2018-09-27
175
PrimeIntellect-ai/prime-rl

大規模エージェント的RLトレーニング

PrimeIntellect-ai
⭐ 2,268 Python 👤 PrimeIntellect-ai Organization 🕐 更新日時 2026-11-21 📅 作成日 2025-02-18
176
tangxyw/RecSysPapers

レコメンデーション/広告/検索分野の業界の定番および最先端の論文集。A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.

tangxyw
⭐ 2,216 Python 👤 tangxyw User 🕐 更新日時 2026-06-11 📅 作成日 2022-08-16
177
learnsyslab/gym-pybullet-drones

クアッドコプター制御のシングルおよびマルチエージェント強化学習のためのPyBullet Gymnasium環境

learnsyslab
⭐ 2,212 Python 👤 learnsyslab Organization 🕐 更新日時 2026-11-13 📅 作成日 2020-08-10
178
NVIDIA-NeMo/RL

効率的なモデル強化のためのスケーラブルなツールキット

NVIDIA-NeMo
⭐ 2,146 Python 👤 NVIDIA-NeMo Organization 🕐 更新日時 2026-11-21 📅 作成日 2025-03-16
179
LeCAR-Lab/ASAP

[RSS 2025] "ASAP: アジャイルなヒューマノイド全身スキル学習のためのシミュレーションと現実世界の物理の整合"

LeCAR-Lab
⭐ 2,143 Python 👤 LeCAR-Lab Organization 🕐 更新日時 2026-01-06 📅 作成日 2025-01-28
180
Farama-Foundation/ViZDoom

1993年のゲーム『Doom』をベースにした強化学習環境 :godmode:

Farama-Foundation
⭐ 2,111 C++ 👤 Farama-Foundation Organization 🕐 更新日時 2026-11-21 📅 作成日 2015-06-26
181
MineDojo/MineDojo

インターネット規模の知識を持つオープンエンドの具現化エージェントの構築

MineDojo
⭐ 2,108 Java 👤 MineDojo Organization 🕐 更新日時 2024-03-18 📅 作成日 2022-06-18
182
lupantech/AgentFlow

AgentFlow: フロー内エージェントシステム最適化

lupantech
⭐ 2,095 Python 👤 lupantech User 🕐 更新日時 2026-02-08 📅 作成日 2025-09-27
183
Open-Reasoner-Zero/Open-Reasoner-Zero

Open-Reasoner-Zero の公式リポジトリ

Open-Reasoner-Zero
⭐ 2,094 Python 👤 Open-Reasoner-Zero Organization 🕐 更新日時 2025-06-02 📅 作成日 2025-02-19
185
SakanaAI/continuous-thought-machines

継続的思考マシン。思考には時間がかかり、推論はプロセスであるため。

SakanaAI
⭐ 2,049 Python 👤 SakanaAI Organization 🕐 更新日時 2025-12-29 📅 作成日 2025-05-11
186
Curt-Park/rainbow-is-all-you-need

Rainbowこそがあなたに必要なすべてです!DQNからRainbowへのステップバイステップチュートリアル

Curt-Park
⭐ 2,038 Python 👤 Curt-Park User 🕐 更新日時 2026-06-20 📅 作成日 2019-06-10
187
PacktPublishing/Advanced-Deep-Learning-with-Keras

Packt発行のAdvanced Deep Learning with Keras

PacktPublishing
⭐ 2,028 Python 👤 PacktPublishing Organization 🕐 更新日時 2026-03-02 📅 作成日 2018-03-15
188
FareedKhan-dev/all-rl-algorithms

すべてのRLアルゴリズムをより簡単な方法で実装する

FareedKhan-dev
⭐ 2,004 Jupyter Notebook 👤 FareedKhan-dev User 🕐 更新日時 2026-11-16 📅 作成日 2025-03-30
189
fan-ziqi/robot_lab

IsaacLabに基づくロボット用RL拡張ライブラリ。

fan-ziqi
⭐ 1,985 Python 👤 fan-ziqi User 🕐 更新日時 2026-10-20 📅 作成日 2024-07-06
190
WassimTenachi/PhySO

物理記号最適化

WassimTenachi
⭐ 1,980 Python 👤 WassimTenachi User 🕐 更新日時 2026-02-21 📅 作成日 2023-01-27
191
Farama-Foundation/Gymnasium-Robotics

強化学習のためのロボットシミュレーション環境のコレクション

Farama-Foundation
⭐ 1,941 Python 👤 Farama-Foundation Organization 🕐 更新日時 2026-11-16 📅 作成日 2021-10-25
192
eloialonso/diamond

DIAMOND (DIffusion As a Model Of eNvironment Dreams) は、拡散ワールドモデルでトレーニングされた強化学習エージェントです。NeurIPS 2024 Spotlight。

eloialonso
⭐ 1,939 Python 👤 eloialonso User 🕐 更新日時 2024-12-06 📅 作成日 2024-05-19
194
RoboVerseOrg/RoboVerse

RoboVerse: スケーラブルで汎用性の高いロボット学習のための統一プラットフォーム、データセット、ベンチマークに向けて

RoboVerseOrg
⭐ 1,881 Python 👤 RoboVerseOrg Organization 🕐 更新日時 2026-11-16 📅 作成日 2025-04-04
195
openreasoner/openr

OpenR: 大規模言語モデルによる高度な推論のためのオープンソースフレームワーク

openreasoner
⭐ 1,846 Python 👤 openreasoner Organization 🕐 更新日時 2025-01-17 📅 作成日 2024-10-11
196
zslucky/awesome-AI-books

学習とダウンロードのための素晴らしいAI関連の書籍とPDF、また学習のためのいくつかのプレイグラウンドモデルを適用します

zslucky
⭐ 1,842 Jupyter Notebook 👤 zslucky User 🕐 更新日時 2026-07-07 📅 作成日 2018-02-25
197
Yvictor/TradingGym

強化学習エージェントまたはシンプルなルールベースのアルゴリズムを訓練するためのトレーディングおよびバックテスト環境。

Yvictor
⭐ 1,810 Python 👤 Yvictor User 🕐 更新日時 2024-02-11 📅 作成日 2017-05-01
198
microsoft/CyberBattleSim

抽象的なシミュレーションネットワーク環境における自動エージェントの相互作用を調査するための実験および研究プラットフォーム。

microsoft
⭐ 1,804 Jupyter Notebook 👤 microsoft Organization 🕐 更新日時 2026-11-13 📅 作成日 2020-11-17
199
chynl/snake

AIとスネークゲームをプレイ中。

chynl
⭐ 1,797 Python 👤 chynl User 🕐 更新日時 2026-04-19 📅 作成日 2016-06-25
⭐ 1,795 Python 👤 microsoft Organization 🕐 更新日時 2026-11-02 📅 作成日 2026-06-15