#reinforcement-learning Репозитории
Всего репозиториев: 564
Открытая платформа для обучения с подкреплением для обучения, оценки и развертывания надежных торговых агентов.
Mooncake — это платформа обслуживания для Kimi, ведущего LLM-сервиса, предоставляемого Moonshot AI.
Подборка статей, блогов и проектов LLM с акцентом на OpenAI o1 🍓 и методы рассуждений.
🔬 Куратированный список крутых LLM и стратегий глубокого обучения и инструментов на финансовом рынке.
Список литературы по темам исследований в мультимодальном машинном обучении
Куратированный список потрясающих самосупервизируемых методов
OpenSpiel — это коллекция окружений и алгоритмов для исследований в области общего обучения с подкреплением и поиска/планирования в играх.
В этом блокноте я создам полный процесс для предсказания движений цен акций. Следите за мной, и мы добьемся довольно хороших результатов. Для этой цели мы будем использовать Генеративно-Состязательную Сеть (GAN) с LSTM, видом Рекуррентной Нейронной Сети, в качестве генератора, и Сверточную Нейронную Сеть, CNN, в качестве дискриминатора. Мы используем LSTM по очевидной причине, что пытаемся предсказывать данные временных рядов. Почему мы используем GAN и конкретно CNN в качестве дискриминатора? Это хороший q
Search-R1: Эффективная, масштабируемая структура обучения RL для рассуждений и вызовов поисковых систем с использованием LLM, основанных на veRL
Фреймворк для разработки четвероногих роботов-питомцев с открытым исходным кодом в стиле Boston Dynamics, которые идеально подходят для образования в области STEM, программирования и робототехники, применения в робототехнике IoT, сервисов приложений робототехники с использованием ИИ, исследований и разработки DIY-комплектов роботов.
Движок Go без знаний, предоставленных человеком, моделированный по статье AlphaGo Zero.
EasyR1: Эффективная, масштабируемая платформа обучения RL с несколькими модальностями на основе veRL
Репозиторий для программы Nanodegree по глубокому обучению с подкреплением
Этот репозиторий содержит курс Hugging Face по глубокому обучению с подкреплением.
🌟100+ оригинальных схем LLM/RL 📚, творение автора "Больших Модельных Алгоритмов"! 💥 (100+ карт алгоритмов LLM/RL)
🚀 Открытый практический курс, bridging разрыв от базовых концепций RL до выравнивания LLM, RLVR и продвинутых агентных систем.
Репозиторий для распределенного обучения языковых моделей с использованием обучения с подкреплением на основе обратной связи от человека (RLHF)
Программный стек Google DeepMind для физически основанной симуляции и окружений Reinforcement Learning, использующий MuJoCo.
NVIDIA Isaac Sim™ — это приложение с открытым исходным кодом на платформе NVIDIA Omniverse для разработки, симуляции и тестирования роботов на базе ИИ в реалистичных виртуальных средах.
[ICML 2021] DouZero: Освоение DouDizhu с помощью глубокого обучения с подкреплением на основе самообучения | 斗地主AI
Qwen3.8 — это серия больших языковых моделей, разработанная командой Qwen компании Alibaba Group.
Курируемый список ресурсов по обучению с подкреплением с обратной связью от человека (постоянно обновляется)
Чистая реализация на основе AlphaZero для любой игры в любом фреймворке + руководство + Othello/Гобанг/TicTacToe/Connect4 и многое другое
Project Malmo — это платформа для экспериментов и исследований в области искусственного интеллекта, построенная на базе Minecraft. Мы стремимся вдохновить новое поколение исследований над сложными новыми проблемами, представленными этой уникальной средой. --- Для инструкций по установке прокрутите вниз до *Getting Started* ниже или посетите страницу проекта для получения дополнительной информации:
Современное пользовательское расписание Anki на основе алгоритма Free Spaced Repetition Scheduler
Клиент StarCraft II - определения протокола, используемые для общения с StarCraft II.
Полностью открытый гуманоидный манипулятор для исследований в области физического ИИ и развертывания в средах с интенсивным контактом.
OpenDILab Decision AI Engine. Самый комплексный фреймворк для обучения с подкреплением B.P.
Модульная библиотека PyTorch для обучения с подкреплением, ориентированная на примитивы и Python.
Курируемый список передовых исследований в области воплощенного ИИ (embodied AI) с акцентом на модели «зрение-язык-действие» (VLA), навигацию «зрение-язык» (VLN) и связанные с ними подходы к мультимодальному обучению.