Git Stars Git Stars

#reinforcement-learning Репозитории

563
Всего репозиториев
2.1M
Всего звезд
3,717
Среднее количество звезд на репозиторий
Языки программирования: Python Jupyter Notebook TypeScript

Всего репозиториев: 564

351
instadeepai/Mava

🦁 Удобная для исследований кодовая база для быстрого экспериментирования с многоагентным обучением с подкреплением в JAX

instadeepai
⭐ 939 Python 👤 instadeepai Organization 🕐 Обновлено 2026-11-06 📅 Создано 2021-03-30
352
learnsyslab/safe-control-gym

Среды PyBullet CartPole и Quadrotor — с символической априорной динамикой CasADi — для обучения на основе обучения и RL

learnsyslab
⭐ 937 Python 👤 learnsyslab Organization 🕐 Обновлено 2026-04-29 📅 Создано 2021-08-04
353
OSU-NLP-Group/GUI-Agents-Paper-List

Удивительный список статей об агентах GUI

OSU-NLP-Group
⭐ 934 TypeScript 👤 OSU-NLP-Group Organization 🕐 Обновлено 2026-11-17 📅 Создано 2024-10-30
354
yongliang-wu/DFT

[ICLR 2026] О обобщении SFT: перспектива обучения с подкреплением с исправлением вознаграждения.

yongliang-wu
⭐ 932 Python 👤 yongliang-wu User 🕐 Обновлено 2026-08-01 📅 Создано 2025-08-01
355
PacktPublishing/Modern-Computer-Vision-with-PyTorch

Современное компьютерное зрение с PyTorch, опубликовано Packt

PacktPublishing
⭐ 932 Jupyter Notebook 👤 PacktPublishing Organization 🕐 Обновлено 2026-03-02 📅 Создано 2019-04-03
356
Open-X-Humanoid/TienKung-Lab

Tien Kung-Lab: Прямой рабочий процесс IsaacLab для шагающих роботов

Open-X-Humanoid
⭐ 927 Python 👤 Open-X-Humanoid Organization 🕐 Обновлено 2026-10-23 📅 Создано 2025-07-03
357
chrisliu298/awesome-on-policy-distillation

Курируемая коллекция статей, технических отчетов, фреймворков и инструментов для дистилляции по политике (OPD) больших языковых моделей

chrisliu298
⭐ 926 👤 chrisliu298 User 🕐 Обновлено 2026-10-06 📅 Создано 2026-03-22
358
tencent-ailab/hok_env

Открытая среда ИИ Honor of Kings от Tencent

tencent-ailab
⭐ 925 Python 👤 tencent-ailab User 🕐 Обновлено 2026-05-18 📅 Создано 2022-06-08
359
datamllab/awesome-game-ai

Крутые материалы по ИИ для игр в Multi-Agent Reinforcement Learning

datamllab
⭐ 925 👤 datamllab Organization 🕐 Обновлено 2024-06-26 📅 Создано 2019-10-19
360
ai4co/rl4co

Библиотека PyTorch для всего, что связано с обучением с подкреплением (RL) для комбинаторной оптимизации (CO)

ai4co
⭐ 924 Python 👤 ai4co Organization 🕐 Обновлено 2026-09-14 📅 Создано 2023-02-23
361
mbreuss/diffusion-literature-for-robotics

Краткое изложение ключевых статей и блогов о диффузионных моделях для изучения темы. Подробный список всех опубликованных статей по диффузионной робототехнике.

mbreuss
⭐ 923 👤 mbreuss User 🕐 Обновлено 2026-09-22 📅 Создано 2022-11-02
362
opendilab/awesome-decision-transformer

Кураторский список ресурсов Decision Transformer (постоянно обновляется)

opendilab
⭐ 921 👤 opendilab Organization 🕐 Обновлено 2026-05-21 📅 Создано 2022-08-01
363
alfworld/alfworld

ALFWorld: Согласование текста и воплощенных сред для интерактивного обучения

alfworld
⭐ 921 Python 👤 alfworld User 🕐 Обновлено 2026-02-08 📅 Создано 2020-10-13
364
microsoft/maro

Платформа Multi-Agent Resource Optimization (MARO) является экземпляром Reinforcement Learning as a Service (RaaS) для задач оптимизации ресурсов в реальном мире.

microsoft
⭐ 920 Python 👤 microsoft Organization 🕐 Обновлено 2025-04-24 📅 Создано 2019-12-27
365
THUDM/AutoWebGLM

LLM-агент для навигации в Интернете (KDD'24)

THUDM
⭐ 917 Python 👤 THUDM Organization 🕐 Обновлено 2024-09-27 📅 Создано 2024-04-03
366
Amin-Tgz/awesome-CARLA

👉 Ресурсы CARLA, такие как уроки, блог, код и т.д. https://github.com/carla-simulator/carla

Amin-Tgz
⭐ 916 👤 Amin-Tgz User 🕐 Обновлено 2026-09-28 📅 Создано 2019-09-19
367
eureka-research/DrEureka

Официальный репозиторий для "DrEureka: Моделируемый переход к реальным условиям, управляемый языковой моделью" (RSS 2024)

eureka-research
⭐ 912 Python 👤 eureka-research Organization 🕐 Обновлено 2024-08-26 📅 Создано 2024-05-03
368
MolecularAI/REINVENT4

Инструмент ИИ для молекулярного дизайна для де ново дизайна, смены каркаса (scaffold hopping), замены R-группы, дизайна линкера и оптимизации молекул.

MolecularAI
⭐ 910 Python 👤 MolecularAI Organization 🕐 Обновлено 2026-11-06 📅 Создано 2023-10-20
369
Kautenja/gym-super-mario-bros

Среды Gymnasium для игр Mario на NES с метаданными задач, инструментарием для отслеживания наград и воспроизводимыми интерфейсами оценки.

Kautenja
⭐ 910 Python 👤 Kautenja User 🕐 Обновлено 2026-09-30 📅 Создано 2018-04-24
370
Farama-Foundation/Shimmy

Привязки PettingZoo и Gymnasium для популярных сред обучения с подкреплением, не входящих в Farama

Farama-Foundation
⭐ 906 Python 👤 Farama-Foundation Organization 🕐 Обновлено 2026-11-12 📅 Создано 2022-10-06
371
vwxyzjn/ppo-implementation-details

Исходный код статьи в блоге 37 деталей реализации Proximal Policy Optimization

vwxyzjn
⭐ 903 Python 👤 vwxyzjn User 🕐 Обновлено 2024-03-23 📅 Создано 2022-01-14
372
the-deep-learners/TensorFlow-LiveLessons

LiveLessons "Глубокое обучение с TensorFlow"

the-deep-learners
⭐ 903 Jupyter Notebook 👤 the-deep-learners Organization 🕐 Обновлено 2024-08-20 📅 Создано 2017-04-18
373
amazon-far/TWIST2

[arXiv 2025] TWIST2: Масштабируемая, портативная и комплексная система сбора данных для гуманоидов

amazon-far
⭐ 902 Python 👤 amazon-far Organization 🕐 Обновлено 2026-09-23 📅 Создано 2025-11-05
374
tulerfeng/Video-R1

Video-R1: Усиление рассуждений о видео в MLLM [🔥 первая статья, исследующая R1 для видео]

tulerfeng
⭐ 900 Python 👤 tulerfeng User 🕐 Обновлено 2025-12-14 📅 Создано 2025-02-22
375
kengz/awesome-deep-rl

Куратированный список потрясающих ресурсов по глубокому обучению с подкреплением.

kengz
⭐ 895 👤 kengz User 🕐 Обновлено 2025-07-13 📅 Создано 2019-08-17
376
Denghaoyuan123/Awesome-RL-VLA

Обзор обучения с подкреплением моделей Vision-Language-Action для робототехнической манипуляции

Denghaoyuan123
⭐ 891 👤 Denghaoyuan123 User 🕐 Обновлено 2026-05-18 📅 Создано 2025-11-13
377
bold-lab-ai/JaxMARL

Обучение с подкреплением для нескольких агентов с использованием JAX

bold-lab-ai
⭐ 879 Python 👤 bold-lab-ai Organization 🕐 Обновлено 2026-11-20 📅 Создано 2023-03-27
379
instadeepai/jumanji

🕹️ Разнообразный набор масштабируемых сред обучения с подкреплением на JAX

instadeepai
⭐ 877 Python 👤 instadeepai Organization 🕐 Обновлено 2026-10-16 📅 Создано 2022-08-11
380
dmarx/anthology-of-modern-ml

Сборник важных статей, которые следует рассматривать как учебник

dmarx
⭐ 877 Jupyter Notebook 👤 dmarx User 🕐 Обновлено 2025-08-31 📅 Создано 2021-07-14
381
NM512/dreamerv3-torch

Реализация Dreamer v3 на PyTorch.

NM512
⭐ 875 Python 👤 NM512 User 🕐 Обновлено 2026-03-08 📅 Создано 2023-02-11
382
open-thought/system-2-research

System 2 Reasoning Link Collection

open-thought
⭐ 874 👤 open-thought Organization 🕐 Обновлено 2025-03-16 📅 Создано 2024-08-03
383
Purewhiter/mobilegym

[EMNLP 2026] MobileGym: проверяемая и высокопараллельная платформа симуляции для исследований мобильных GUI-агентов · Android-симулятор в браузере · Проверяемая оценка · Масштабируемое онлайн-обучение с подкреплением (RL)

Purewhiter
⭐ 872 Python 👤 Purewhiter User 🕐 Обновлено 2026-11-16 📅 Создано 2026-05-14
384
whitecircle/halo

Halo — это фреймворк с открытым исходным кодом, разработанный White Circle для обучения больших языковых и мультимодальных моделей

whitecircle
⭐ 868 Python 👤 whitecircle Organization 🕐 Обновлено 2026-11-21 📅 Создано 2026-08-26
385
ZiyuGuo99/Image-Generation-CoT

[CVPR 2025] Первое исследование рассуждений CoT (RL, TTS, Рефлексия) в генерации изображений

ZiyuGuo99
⭐ 865 Python 👤 ZiyuGuo99 User 🕐 Обновлено 2026-03-19 📅 Создано 2025-01-23
386
eloialonso/iris

Трансформеры — это эффективные по выборке мировые модели. ICLR 2023, заметные топ-5%.

eloialonso
⭐ 861 Python 👤 eloialonso User 🕐 Обновлено 2024-10-14 📅 Создано 2022-08-23
387
LeCAR-Lab/BFM-Zero

BFM_Zero: Программируемая поведенческая базовая модель для управления гуманоидами с использованием несупервизированного обучения с подкреплением

LeCAR-Lab
⭐ 844 Python 👤 LeCAR-Lab Organization 🕐 Обновлено 2026-10-21 📅 Создано 2025-11-04
388
TideDra/lmm-r1

Расширить OpenRLHF для поддержки обучения LMM RL с целью воспроизведения DeepSeek-R1 в мультимодальных задачах.

TideDra
⭐ 843 Python 👤 TideDra User 🕐 Обновлено 2025-05-14 📅 Создано 2025-02-13
389
david-cortes/contextualbandits

Реализации на Python алгоритмов контекстных бандитов

david-cortes
⭐ 842 Python 👤 david-cortes User 🕐 Обновлено 2026-10-28 📅 Создано 2018-03-27
390
OpenBMB/AgentCPM

Инфраструктура от начала до конца для обучения и оценки различных агентов LLM.

OpenBMB
⭐ 835 Python 👤 OpenBMB Organization 🕐 Обновлено 2026-10-22 📅 Создано 2026-01-08
391
Calix-L/DanKS

Маломасштабный соревновательный агент для игры в гуандан на основе обучения с подкреплением

Calix-L
⭐ 833 Python 👤 Calix-L User 🕐 Обновлено 2026-10-31 📅 Создано 2026-08-21
392
iLearn-Lab/VLA-Diffusion-Policy-Robotics

Отличная подборка ресурсов и статей по диффузионным моделям для роботизированных манипуляций.

iLearn-Lab
⭐ 833 👤 iLearn-Lab Organization 🕐 Обновлено 2026-07-13 📅 Создано 2025-03-12
393
YanjieZe/TWIST

[CoRL 2025] TWIST: Телеуправляемая Система Имитации Всего Тела

YanjieZe
⭐ 823 Python 👤 YanjieZe User 🕐 Обновлено 2025-11-01 📅 Создано 2025-04-30
394
irom-princeton/dppo

Официальная реализация Diffusion Policy Policy Optimization, arxiv 2024

irom-princeton
⭐ 822 Python 👤 irom-princeton Organization 🕐 Обновлено 2025-02-04 📅 Создано 2024-09-04
395
chauncygu/Safe-Reinforcement-Learning-Baselines

Репозиторий предназначен для безопасных базовых методов обучения с подкреплением.

chauncygu
⭐ 816 Jupyter Notebook 👤 chauncygu User 🕐 Обновлено 2026-03-13 📅 Создано 2022-02-22
396
dhcode-cpp/X-R1

минимальная стоимость обучения 0.5B R1-Zero

dhcode-cpp
⭐ 815 Python 👤 dhcode-cpp User 🕐 Обновлено 2025-05-14 📅 Создано 2025-02-11
397
SanDiegoMachineLearning/bookclub

Заметки и ссылки со встреч книжного клуба

SanDiegoMachineLearning
⭐ 813 Jupyter Notebook 👤 SanDiegoMachineLearning Organization 🕐 Обновлено 2026-11-08 📅 Создано 2020-09-18
399
Optima-CityU/LLM4AD

LLM4AD: платформа для проектирования алгоритмов с использованием крупной языковой модели

Optima-CityU
⭐ 811 Python 👤 Optima-CityU Organization 🕐 Обновлено 2026-11-17 📅 Создано 2024-11-26
400
MarkFzp/humanplus

[CoRL 2024] HumanPlus: Человекоподобное отслеживание и имитация от людей

MarkFzp
⭐ 810 Python 👤 MarkFzp User 🕐 Обновлено 2024-07-01 📅 Создано 2024-06-12