#reinforcement-learning 저장소
저장소 총 564개
3.5M까지 extrapolable한 MemAgent 프레임워크와 모든 에이전트 워크플로우의 RL 훈련을 위한 훈련 프레임워크.
복잡한 추론 작업을 위해 특별히 설계된 6,446개의 텍스트-오디오 주석 샘플로 구성된 오디오 논리적 추론(ALR) 데이터셋을 소개합니다. 이 리소스를 바탕으로, 오디오 언어 모델(ALM)에 심층적인 이중 추론 능력을 부여하도록 맞춤화된 규칙 기반 강화 학습(RL) 알고리즘인 SoundMind를 제안합니다.
SUMO를 사용한 교통 신호 제어를 위한 강화 학습 환경. Gymnasium, PettingZoo 및 인기 RL 라이브러리와 호환됩니다.
PyTorch, JAX, NVIDIA Warp로 구현된 모듈식 강화학습(RL) 라이브러리로 Gymnasium/Gym, NVIDIA Isaac Lab, MuJoCo Playground 및 기타 환경 지원
:computer: 기계가 배우도록 만드는 법을 배우세요. 프로그래밍으로 고생할 필요가 없어요; 궁극의 목록
컴퓨터 사용 에이전트에 관한 공개 자료 기반 카탈로그: 검토된 논문, GUI 모델, 데이터 세트, 벤치마크, 도구 및 재사용 가능한 JSONL/SQLite 데이터.
🌟 머신러닝 🧠, 딥러닝 🧩, 생성형 AI 🎨, NLP 💬, 데이터 과학 📈을 아우르는 무료 고품질 AI 도구 🤖, API 🔗, 데이터셋 📊 및 학습 리소스 📚를 엄선한 컬렉션입니다. 개발자 👩💻, 연구원 🔬, 크리에이터 ✨가 AI를 더 빠르게 탐색하고 구축할 수 있도록 돕기 위해 설계되었습니다 ⚡.
강력한 30억 매개변수 LLM 기반 강화 학습 오디오 편집 모델은 감정, 말하기 스타일 및 준언어학적 요소 편집에 탁월하며, 강력한 제로샷 텍스트 음성 변환 기능을 제공합니다.
LLM을 위한 완전한 포스트 트레이닝 스택과 모든 문제에 적용할 수 있는 RL을 제공합니다. SFT, DPO, 멀티턴 에이전트 RL을 지원하며, 진화적 하이퍼파라미터 최적화가 내장되어 있습니다.