#rl 저장소
#rl 태그가 지정된 GitHub의 활성 오픈 소스 저장소 47개를 확인해 보세요. 총 119,707개의 스타를 획득했으며 프로젝트당 평균 2,546개입니다. 이 주제를 이끄는 저장소는 14,712개의 스타를 받은 LlamaChinese/Llama-Chinese입니다.
저장소 총 47개
Llama 중국 커뮤니티, 최신 Llama 학습 자료를 실시간으로 집계하고, 최고의 중국어 Llama 대규모 모델 오픈소스 생태계를 구축하며, 완전한 오픈소스 및 상업적 이용 가능
에이전트 강화 학습 트레이너: GRPO를 사용하여 실제 작업을 위한 다단계 에이전트를 학습시키세요. 에이전트에게 실무 교육을 제공하세요. Qwen3.6, GPT-OSS, Llama 등을 위한 강화 학습!
🚀 오픈 소스 실습 중심 커리큘럼으로, 기본 RL 개념에서 LLM 정렬, RLVR, 고급 Agentic 시스템까지의 간극을 메웁니다.
agent-sandbox는 격리된 상태 저장 싱글턴 워크로드를 손쉽게 관리할 수 있어 AI 에이전트 런타임 및 강화 학습(RL)과 같은 사용 사례에 이상적입니다.
사전 학습 데이터, 토크나이저, Transformer, MoE, 분산 학습, 스케일링 법칙, 추론 및 정렬을 다룹니다. LLM을 풀스택으로 학습하기 위한 단계별 코딩 과제 6개를 제공합니다.
"AI-Compass"는 AI 기술의 바다를 항해하는 방향을 커뮤니티에 안내합니다. 초보자든 고급 개발자든 AI의 모든 주요 방향으로 가는 길을 이곳에서 찾을 수 있습니다. 이 서비스는 개발자들이 AI의 핵심 개념, 주류 기술, 최첨단 트렌드를 체계적으로 이해하고, 실천을 통해 이론부터 구현까지 전 과정을 숙달할 수 있도록 돕는 것을 목표로 합니다.
AI 네이티브 리스크 인텔리전스 시스템, OpenDeRisk – 귀사의 애플리케이션 시스템 리스크 인텔리전트 매니저는 연중무휴 24시간 포괄적이고 심층적인 보호를 제공합니다.
대규모 언어 모델의 온-폴리시 증류(OPD)에 관한 논문, 기술 보고서, 프레임워크 및 도구의 엄선된 컬렉션
[EMNLP 2026] MobileGym: 모바일 GUI 에이전트 연구를 위한 검증 가능하고 고도로 병렬화된 시뮬레이션 플랫폼 · 브라우저 기반 Android 시뮬레이터 · 검증 가능한 평가 · 확장 가능한 온라인 RL 훈련
Stable-Baselines3용 Contrib 패키지 - 실험적 강화 학습(RL) 코드
BenchMARL은 다중 에이전트 강화 학습(MARL) 벤치마킹을 위한 라이브러리입니다. BenchMARL을 사용하면 재현성과 표준화라는 두 가지 핵심 원칙에 체계적으로 기반을 두면서 다양한 MARL 알고리즘, 작업 및 모델을 신속하게 비교할 수 있습니다.
Meta Agents Research Environments는 역동적이고 현실적인 시나리오에서 AI 에이전트를 평가하기 위해 설계된 포괄적인 플랫폼입니다. 정적 벤치마크와 달리, 이 플랫폼은 새로운 정보가 제공됨에 따라 에이전트가 전략을 조정해야 하는 진화하는 환경을 도입하여 실제 세계의 도전 과제를 반영합니다.
자주 묻는 질문
GitHub에서 가장 인기 있는 #rl 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #rl 프로젝트는 14,712개의 스타를 받은 LlamaChinese/Llama-Chinese입니다. Llama 중국 커뮤니티, 최신 Llama 학습 자료를 실시간으로 집계하고, 최고의 중국어 Llama 대규모 모델 오픈소스 생태계를 구축하며, 완전한 오픈소스 및 상업적 이용 가능
#rl 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #rl 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Python, Jupyter Notebook, C++, Go입니다.
#rl 저장소 순위는 어떻게 계산되나요?
#rl 태그가 지정된 활성 오픈 소스 저장소(47개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 119,707개이며 저장소당 평균 2,546개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.