#reinforcement-learning Репозитории
Всего репозиториев: 564
JMLR: OmniSafe — это инфраструктурная основа для ускорения исследований SafeRL.
Фреймворк MemAgent, который может быть экстраполирован до 3,5 млн., вместе с фреймворком обучения для обучения RL любого рабочего процесса агента.
Мы представляем набор данных Audio Logical Reasoning (ALR), состоящий из 6 446 размеченных текстом и аудио примеров, специально разработанных для сложных задач рассуждения. Основываясь на этом ресурсе, мы предлагаем SoundMind — основанный на правилах алгоритм обучения с подкреплением (RL), предназначенный для наделения аудиоязыковых моделей (ALM) глубокими бимодальными возможностями рассуждения.
XuanCe: Комплексная и унифицированная библиотека глубокого обучения с подкреплением
Курируемый список ресурсов, посвященных обучению с подкреплением, применяемому в кибербезопасности.
Алгоритм Asynchronous Advantage Actor-Critic (A3C) для Super Mario Bros
Окружения для обучения с подкреплением для управления светофорами с SUMO. Совместимы с Gymnasium, PettingZoo и популярными библиотеками RL.
Модульная библиотека обучения с подкреплением (RL) (реализованная на PyTorch, JAX и NVIDIA Warp) с поддержкой Gymnasium/Gym, NVIDIA Isaac Lab, MuJoCo Playground и других сред
:computer: Научись заставлять машины учиться, чтобы не мучиться с их программированием; Окончательный список
Стек непрерывного улучшения для агентов. Наши данные об окружающей среде и оценки способствуют улучшению и мониторингу агентов.
Открытый каталог агентов для работы с компьютером, основанный на источниках: проверенные статьи, модели GUI, наборы данных, бенчмарки, инструменты и повторно используемые данные JSONL/SQLite.
Официальная реализация "KungfuBot: Физически-обоснованное управление телом гуманоидного робота для изучения высокодинамичных навыков"
Форк gym-retro с дополнительными играми, эмуляторами и поддерживаемыми платформами
UniRL — это фреймворк для обучения с подкреплением унифицированных мультимодальных моделей
dict[str, torch.Tensor], который ведёт себя как один тензор, и TensorClass: типизированные пакетные классы данных, поддерживающие компиляцию.
Это библиотека, которая предоставляет задачи двойного ловкого манипулирования руками с помощью Isaac Gym
Индекс алгоритмов для офлайн-обучения с подкреплением (offline-rl)
Policy Gradient — это всё, что вам нужно! Пошаговое руководство по известным методам PG.
Глубокое обучение с подкреплением для управления квадрупедным роботом методом MPC
Исходные коды для книги "Reinforcement Learning: Theory and Python Implementation"
Высокопроизводительное синхронное и асинхронное обучение с подкреплением
[ICLR2026] Пересмотр генерации высококачественных эстетических плакатов в единой рамке
Checkpoint-engine — это простой промежуточный слой для обновления весов модели в механизмах вывода LLM
Сборник классических и передовых статей и материалов в индустрии рекомендаций и рекламы / Обязательные к прочтению статьи по системам рекомендаций и прогнозированию CTR
Среды обучения с подкреплением для задач оптимизации компиляторов и программ
UniLab: инфраструктура на основе контрактов для обучения роботов на различных физических движках и оборудовании
🌟 Курируемая коллекция бесплатных высококачественных ИИ-инструментов 🤖, API 🔗, наборов данных 📊 и учебных ресурсов 📚, охватывающих машинное обучение 🧠, глубокое обучение 🧩, генеративный ИИ 🎨, NLP 💬 и науку о данных 📈. Создана, чтобы помочь разработчикам 👩💻, исследователям 🔬 и создателям контента ✨ быстрее изучать и создавать решения на базе ИИ ⚡.
Быстрый и дифференцируемый решатель для модельно-предиктивного управления (MPC) для PyTorch.
Мощная 3B-параметровая модель редактирования аудио на основе LLM с использованием обучения с подкреплением превосходно справляется с редактированием эмоций, стиля речи и паралингвистики, а также обладает надежной технологией преобразования текста в речь (zero-shot text-to-speech).
Код для «TD-MPC2: Масштабируемые, надежные мировые модели для непрерывного управления»
Открытая фундаментальная модель и эталонный набор для ускорения генеративных рекомендаций
Среда для бенчмаркинга полностью кооперативной производительности человека и ИИ.
Полный стек постобучения для LLM, а также RL для решения любых задач. SFT, DPO и агентный RL с несколькими ходами, со встроенной эволюционной оптимизацией гиперпараметров.
Список молекулярного и материального дизайна с использованием генеративного ИИ и глубокого обучения