#reinforcement-learning Repositórios
564 repositórios no total
JMLR: OmniSafe é uma estrutura de infraestrutura para acelerar a pesquisa em SafeRL.
Uma estrutura MemAgent que pode ser extrapolada para 3.5M, juntamente com uma estrutura de treinamento para treinamento de RL de qualquer fluxo de trabalho de agente.
Apresentamos o conjunto de dados de Raciocínio Lógico de Áudio (ALR), composto por 6.446 amostras anotadas de texto-áudio, especificamente projetadas para tarefas de raciocínio complexo. Com base neste recurso, propomos o SoundMind, um algoritmo de aprendizado por reforço (RL) baseado em regras, adaptado para dotar modelos de linguagem de áudio (ALMs) de profundas habilidades de raciocínio bimodal.
XuanCe: Uma Biblioteca Abrangente e Unificada de Aprendizado por Reforço Profundo
Uma lista selecionada de recursos dedicados ao aprendizado por reforço aplicado à cibersegurança.
Algoritmo Asynchronous Advantage Actor-Critic (A3C) para Super Mario Bros
Ambientes de Aprendizagem por Reforço para Controle de Semáforos com SUMO. Compatível com Gymnasium, PettingZoo e bibliotecas populares de RL.
Biblioteca modular de aprendizado por reforço (RL) (implementada em PyTorch, JAX e NVIDIA Warp) com suporte para Gymnasium/Gym, NVIDIA Isaac Lab, MuJoCo Playground e outros ambientes
:computer: Aprenda a fazer as máquinas aprenderem para que você não precise se esforçar para programá-las; A lista definitiva
A pilha de melhoria contínua para agentes. Nossos dados de ambiente e avaliações impulsionam a melhoria e o monitoramento de agentes.
Catálogo aberto de agentes de uso de computadores, com fontes verificáveis: artigos analisados, modelos de GUI, conjuntos de dados, benchmarks, ferramentas e dados reutilizáveis em JSONL/SQLite.
Implementação Oficial de "KungfuBot: Controle de Corpo Inteiro de Humanoide Baseado em Física para a Aprendizagem de Habilidades Altamente Dinâmicas"
🐝 Os primeiros agentes de autoaperfeiçoamento com RL / Otimização de prompts
Um fork do gym-retro com jogos, emuladores e plataformas suportadas adicionais
UniRL é uma estrutura para aprendizado por reforço de modelos multimodais unificados
Um dict[str, torch.Tensor] que se comporta como um único tensor, e TensorClass: classes de dados tipadas e agrupadas em lotes que podem ser compiladas.
Esta é uma biblioteca que fornece tarefas de manipulação bimanual destras através do Isaac Gym
Um índice de algoritmos para aprendizado por reforço offline (offline-rl)
Policy Gradient é tudo o que você precisa! Um tutorial passo a passo para métodos de PG bem conhecidos.
Aprendizagem por Reforço Profunda (Deep RL) para o Controle MPC da Locomoção de Robôs Quadrúpedes
Códigos-fonte para o livro "Aprendizado por Reforço: Teoria e Implementação em Python"
[ICLR2026] Repensando a geração de pôsteres estéticos de alta qualidade em um framework unificado
Checkpoint-engine é um middleware simples para atualizar os pesos do modelo em mecanismos de inferência de LLMs
Coletânea de artigos clássicos e de ponta da indústria de recomendação e publicidade, e/ou artigos essenciais sobre sistemas de recomendação e predição de CTR/ Must-read Papers on Recommendation System and CTR Prediction
Ambientes de aprendizado por reforço para tarefas de otimização de compiladores e programas
UniLab: infraestrutura orientada por contratos para o aprendizado robótico em diferentes backends de física e hardware
🌟 Uma coleção curada de ferramentas de IA gratuitas e de alta qualidade 🤖, APIs 🔗, conjuntos de dados 📊 e recursos de aprendizado 📚 cobrindo aprendizado de máquina 🧠, aprendizado profundo 🧩, IA generativa 🎨, PLN 💬 e ciência de dados 📈. Projetada para ajudar desenvolvedores 👩💻, pesquisadores 🔬 e criadores ✨ a explorar e construir com IA mais rapidamente ⚡.
Um solver de controle preditivo de modelo (MPC) rápido e diferenciável para PyTorch.
Um poderoso modelo de edição de áudio baseado em LLM com 3 bilhões de parâmetros e Aprendizagem por Reforço se destaca na edição de emoções, estilo de fala e paralinguística, e apresenta uma robusta funcionalidade de texto para fala (zero-shot text-to-speech).
Código para "TD-MPC2: Modelos de Mundo Escaláveis e Robustos para Controle Contínuo"
Um Modelo de Fundação Aberto e Benchmark para Acelerar Recomendação Generativa
Um ambiente de referência para o desempenho cooperativo total entre humanos e IA.
A stack completa de pós-treinamento para LLMs, além de RL para qualquer problema. SFT, DPO e RL agêntico em múltiplos turnos, com otimização evolutiva de hiperparâmetros integrada.
Lista de design molecular e de materiais usando IA generativa e aprendizado profundo
Competição MineRL para Aprendizagem por Reforço Amostra-Eficiente - Pacote Python