#reinforcement-learning Репозитории
Всего репозиториев: 564
robosuite: Модульный фреймворк симуляции и бенчмарк для робототехники
GigaBrain-0: Визуально-языково-действенная модель, работающая на основе мировой модели
Отличные статьи по глубокому обучению для промышленного поиска, рекомендаций и рекламы. Они фокусируются на Embedding, Matching, Pre-Ranking, Ranking, Post Ranking, Relevance, LLM и RL. Пожалуйста, цитируйте нашу статью "Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives" (TOIS 2026).
Потрясающее руководство/обзор/туториал по LLM для рассуждений
Официальный код Memento: Тонкая настройка LLM-агентов без тонкой настройки LLM
Учебный курс PPO x Family DRL (Открытый вводный курс по интеллектуальным решениям: 8 уроков, которые помогут вам разобраться в теории алгоритмов, упорядочить логику кода и освоить практические приложения ИИ для принятия решений)
ProtoMotions — это ускоренная на GPU платформа для симуляции и обучения, предназначенная для тренировки физически симулированных цифровых людей и человекоподобных роботов.
verl-agent — это расширение veRL, разработанное для обучения LLM/VLM агентов с помощью RL. verl-agent также является официальным кодом для статьи «Group-in-Group Policy Optimization for LLM Agent Training»
Решения по Reinforcement Learning: Введение
MiMo: Раскрытие потенциала рассуждений языковой модели – от предварительного обучения до пост-обучения
Модульная библиотека RL для тонкой настройки языковых моделей под человеческие предпочтения
Developer Asset Hub для NVIDIA Nemotron — Универсальный ресурс для рецептов обучения, руководств использования, наборов данных и полноценных примеров от начальной до конечной стадии, предназначенных для разработки с моделями Nemotron.
Самая простая, гибкая и всесторонняя торговая среда OpenAI Gym (Одобрено OpenAI Gym)
Библиотека с открытым исходным кодом для демонстраций в симуляции и на реальных роботах на базе MuJoCo.
ICCV2019 - Обучение рисовать с помощью модельного глубокого обучения с подкреплением
Официальный репозиторий 'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning’
Минимальная реализация метода усеченной целевой функции для проксимальной оптимизации политики (PPO) на PyTorch
Сборник отраслевых классических и передовых статей по рекомендациям/рекламе/поиску. A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.
Окружения PyBullet Gymnasium для одно- и многоагентного обучения с подкреплением управления квадрокоптером
[RSS 2025] "ASAP: Выравнивание симуляции и физики реального мира для обучения ловким общекорпусным навыкам гуманоидов"
Среды обучения с подкреплением на основе игры Doom 1993 года :godmode:
Создание открытых воплощенных агентов с использованием знаний в масштабе Интернета
Машины непрерывного мышления, потому что мышление требует времени, а рассуждение — это процесс.
Rainbow - это все, что вам нужно! Пошаговое руководство от DQN до Rainbow
Продвинутое глубокое обучение с Keras, опубликованное Packt
Сборник сред симуляции робототехники для обучения с подкреплением
DIAMOND (DIffusion As a Model Of eNvironment Dreams) — это агент обучения с подкреплением, обученный в диффузионной мировой модели. NeurIPS 2024 Spotlight.
RoboVerse: На пути к единой платформе, набору данных и эталону для масштабируемого и обобщаемого обучения роботов
OpenR: Фреймворк с открытым исходным кодом для продвинутого рассуждения с использованием больших языковых моделей
Некоторые потрясающие книги и пдф-файлы, связанные с ИИ, для изучения и скачивания, а также примените некоторые демонстрационные модели для обучения
Среда для торговли и бэктестинга для обучения агента reinforcement learning или простого алгоритма на основе правил.
Платформа для экспериментов и исследований для изучения взаимодействия автоматизированных агентов в абстрактных симулированных сетевых средах.