#reinforcement-learning Репозитории
Всего репозиториев: 564
🦁 Удобная для исследований кодовая база для быстрого экспериментирования с многоагентным обучением с подкреплением в JAX
Среды PyBullet CartPole и Quadrotor — с символической априорной динамикой CasADi — для обучения на основе обучения и RL
[ICLR 2026] О обобщении SFT: перспектива обучения с подкреплением с исправлением вознаграждения.
Современное компьютерное зрение с PyTorch, опубликовано Packt
Tien Kung-Lab: Прямой рабочий процесс IsaacLab для шагающих роботов
Курируемая коллекция статей, технических отчетов, фреймворков и инструментов для дистилляции по политике (OPD) больших языковых моделей
Библиотека PyTorch для всего, что связано с обучением с подкреплением (RL) для комбинаторной оптимизации (CO)
Краткое изложение ключевых статей и блогов о диффузионных моделях для изучения темы. Подробный список всех опубликованных статей по диффузионной робототехнике.
Кураторский список ресурсов Decision Transformer (постоянно обновляется)
Платформа Multi-Agent Resource Optimization (MARO) является экземпляром Reinforcement Learning as a Service (RaaS) для задач оптимизации ресурсов в реальном мире.
👉 Ресурсы CARLA, такие как уроки, блог, код и т.д. https://github.com/carla-simulator/carla
Официальный репозиторий для "DrEureka: Моделируемый переход к реальным условиям, управляемый языковой моделью" (RSS 2024)
Инструмент ИИ для молекулярного дизайна для де ново дизайна, смены каркаса (scaffold hopping), замены R-группы, дизайна линкера и оптимизации молекул.
Среды Gymnasium для игр Mario на NES с метаданными задач, инструментарием для отслеживания наград и воспроизводимыми интерфейсами оценки.
Привязки PettingZoo и Gymnasium для популярных сред обучения с подкреплением, не входящих в Farama
Исходный код статьи в блоге 37 деталей реализации Proximal Policy Optimization
[arXiv 2025] TWIST2: Масштабируемая, портативная и комплексная система сбора данных для гуманоидов
Video-R1: Усиление рассуждений о видео в MLLM [🔥 первая статья, исследующая R1 для видео]
Куратированный список потрясающих ресурсов по глубокому обучению с подкреплением.
Обзор обучения с подкреплением моделей Vision-Language-Action для робототехнической манипуляции
[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)
Halo — это фреймворк с открытым исходным кодом, разработанный White Circle для обучения больших языковых и мультимодальных моделей
[CVPR 2025] Первое исследование рассуждений CoT (RL, TTS, Рефлексия) в генерации изображений
Трансформеры — это эффективные по выборке мировые модели. ICLR 2023, заметные топ-5%.
BFM_Zero: Программируемая поведенческая базовая модель для управления гуманоидами с использованием несупервизированного обучения с подкреплением
Расширить OpenRLHF для поддержки обучения LMM RL с целью воспроизведения DeepSeek-R1 в мультимодальных задачах.
Маломасштабный соревновательный агент для игры в гуандан на основе обучения с подкреплением
Отличная подборка ресурсов и статей по диффузионным моделям для роботизированных манипуляций.
Репозиторий предназначен для безопасных базовых методов обучения с подкреплением.
LLM4AD: платформа для проектирования алгоритмов с использованием крупной языковой модели