#reinforcement-learning リポジトリ
リポジトリ合計564件
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。
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)
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。
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。
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。
'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning' の公式リポジトリ
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.
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。