Git Stars Git Stars

#reinforcement-learning Репозитории

563
Всего репозиториев
2.1M
Всего звезд
3,717
Среднее количество звезд на репозиторий
Языки программирования: Python C++ Julia HTML Jupyter Notebook

Всего репозиториев: 564

401
coderonion/awesome-llm-and-aigc

🚀🚀🚀Сборник некоторых потрясающих общедоступных проектов по большим языковым моделям (LLM), моделям зрения и языка (VLM), действиям зрения и языка (VLA), контенту, созданному ИИ (AIGC), а также связанным наборам данных и приложениям.

coderonion
⭐ 810 👤 coderonion User 🕐 Обновлено 2025-08-01 📅 Создано 2023-02-15
402
GAIR-NLP/DeepResearcher

Масштабирование глубоких исследований с помощью обучения с подкреплением в реальных средах.

GAIR-NLP
⭐ 808 Python 👤 GAIR-NLP Organization 🕐 Обновлено 2026-11-04 📅 Создано 2025-04-02
403
RobertTLange/evosax

Эволюционные стратегии в JAX 🦎

RobertTLange
⭐ 808 Python 👤 RobertTLange User 🕐 Обновлено 2026-11-20 📅 Создано 2020-12-30
405
google/ml-compiler-opt

Инфраструктура для оптимизации с машинным обучением (MLGO) в LLVM.

google
⭐ 807 Python 👤 google Organization 🕐 Обновлено 2026-11-18 📅 Создано 2020-05-28
406
huggingface/Repo2RLEnv

Превратите любой репозиторий в проверяемую среду RL для агентов программирования — задачи Harbor, на которых можно обучать и оценивать модели, а также делиться ими на Hugging Face Hub

huggingface
⭐ 804 Python 👤 huggingface Organization 🕐 Обновлено 2026-11-16 📅 Создано 2026-05-05
407
OpenRL-Lab/openrl

Унифицированная структура обучения с подкреплением

OpenRL-Lab
⭐ 802 Python 👤 OpenRL-Lab Organization 🕐 Обновлено 2024-09-06 📅 Создано 2023-04-12
408
robotlearning123/awesome-isaac-gym

Кураторский список отличных фреймворков, статей, программного обеспечения и ресурсов NVIDIA Issac Gym

robotlearning123
⭐ 800 Python 👤 robotlearning123 User 🕐 Обновлено 2026-10-16 📅 Создано 2021-08-07
409
pipiku915/FinMem-LLM-StockTrading

FinMem: Торговый агент LLM с улучшенной производительностью, многоуровневой памятью и дизайном персонажа

pipiku915
⭐ 798 Python 👤 pipiku915 User 🕐 Обновлено 2024-08-18 📅 Создано 2023-12-01
410
google-deepmind/reverb

Reverb — это эффективная и простая в использовании система хранения и передачи данных, разработанная для исследований в области машинного обучения

google-deepmind
⭐ 796 C++ 👤 google-deepmind Organization 🕐 Обновлено 2026-10-26 📅 Создано 2020-05-01
411
LumingSun/ML4DB-paper-list

Статьи для систем баз данных, работающих на искусственном интеллекте (машинное обучение для баз данных)

LumingSun
⭐ 793 Python 👤 LumingSun User 🕐 Обновлено 2026-11-16 📅 Создано 2019-09-10
412
SUFE-AIFLM-Lab/Fin-R1

Fin-R1 — это большая языковая модель для сложного финансового анализа, разработанная и выпущенная с открытым исходным кодом совместными усилиями SUFE-AIFLM-Lab при Школе статистики и науки о данных Шанхайского университета финансов и экономики и FinStep.AI.

SUFE-AIFLM-Lab
⭐ 789 👤 SUFE-AIFLM-Lab User 🕐 Обновлено 2025-03-27 📅 Создано 2025-03-11
⭐ 788 Python 👤 carlosferrazza User 🕐 Обновлено 2025-09-18 📅 Создано 2024-03-18
414
Farama-Foundation/Miniworld

Простые и легко настраиваемые 3D-среды, похожие на FPS-игры, для обучения с подкреплением

Farama-Foundation
⭐ 783 Python 👤 Farama-Foundation Organization 🕐 Обновлено 2026-03-02 📅 Создано 2018-08-28
415
ntnu-arl/aerial_gym_simulator

Aerial Gym Simulator - Isaac Gym Simulator для воздушных роботов

ntnu-arl
⭐ 781 Python 👤 ntnu-arl Organization 🕐 Обновлено 2026-06-28 📅 Создано 2023-04-04
416
GalaxyGeneralRobotics/OpenTrack

Официальная реализация Any2Track.

GalaxyGeneralRobotics
⭐ 775 C++ 👤 GalaxyGeneralRobotics Organization 🕐 Обновлено 2026-06-04 📅 Создано 2025-09-19
417
JuliaPOMDP/POMDPs.jl

MDPs и POMDPs в Julia - Интерфейс для определения, решения и симуляции полностью и частично наблюдаемых марковских процессов принятия решений в дискретных и непрерывных пространствах.

JuliaPOMDP
⭐ 771 Julia 👤 JuliaPOMDP Organization 🕐 Обновлено 2026-11-15 📅 Создано 2015-06-23
418
ModalMinds/MM-EUREKA

MM-EUREKA: Исследование границ мультимодального рассуждения с помощью основанного на правилах обучения с подкреплением

ModalMinds
⭐ 770 Python 👤 ModalMinds Organization 🕐 Обновлено 2025-09-07 📅 Создано 2025-03-07
419
RUCAIBox/Slow_Thinking_with_LLMs

Серия технических отчетов по медленному мышлению с LLM

RUCAIBox
⭐ 768 Python 👤 RUCAIBox Organization 🕐 Обновлено 2025-08-13 📅 Создано 2024-12-12
420
facebookresearch/metamotivo

Первая поведенческая фундаментальная модель для управления виртуальным антропоморфным агентом на основе физики для широкого спектра задач всего тела.

facebookresearch
⭐ 765 Python 👤 facebookresearch Organization 🕐 Обновлено 2025-06-10 📅 Создано 2024-12-06
421
lafmdp/Awesome-Papers-Autonomous-Agent

Сборник недавних статей по созданию автономных агентов. Включены две темы: агенты на основе RL / агенты на основе LLM.

lafmdp
⭐ 758 👤 lafmdp User 🕐 Обновлено 2026-04-23 📅 Создано 2023-10-18
422
infer-actively/pymdp

Реализация на Python активного вывода для марковских процессов принятия решений

infer-actively
⭐ 757 Python 👤 infer-actively Organization 🕐 Обновлено 2026-11-16 📅 Создано 2019-11-27
423
cobanov/awesome-fly

Подборка проектов по коннектому плодовой мушки: MaleCNS, FlyWire, симуляции мозга, воплощённые модели, игры и исследовательские инструменты.

cobanov
⭐ 756 👤 cobanov User 🕐 Обновлено 2026-11-14 📅 Создано 2026-09-12
424
stepjam/PyRep

Набор инструментов для исследований в области обучения роботов.

stepjam
⭐ 755 Python 👤 stepjam User 🕐 Обновлено 2024-08-16 📅 Создано 2019-06-26
425
X-GenGroup/Flow-Factory

Унифицированная платформа для простой тонкой настройки моделей Flow Matching

X-GenGroup
⭐ 754 Python 👤 X-GenGroup Organization 🕐 Обновлено 2026-11-13 📅 Создано 2025-12-18
426
google-deepmind/disco_rl

Сопутствующий код к публикации в Nature «Discovering State-of-the-art Reinforcement Algorithms»

google-deepmind
⭐ 753 Python 👤 google-deepmind Organization 🕐 Обновлено 2025-12-02 📅 Создано 2025-07-24
427
NVlabs/HOVER

НАВЕДЕНИЕ

NVlabs
⭐ 753 Python 👤 NVlabs Organization 🕐 Обновлено 2025-07-30 📅 Создано 2024-12-19
428
InternRobotics/HIMLoco

Обучаемое управление локомоцией от OpenRobotLab, включая гибридную модель внутреннего управления и управление локомоцией H-Infinity

InternRobotics
⭐ 753 Python 👤 InternRobotics Organization 🕐 Обновлено 2024-05-14 📅 Создано 2023-12-14
429
trackmania-rl/tmrl

Обучение с подкреплением для приложений в реальном времени

trackmania-rl
⭐ 751 Python 👤 trackmania-rl Organization 🕐 Обновлено 2026-10-24 📅 Создано 2020-07-08
430
Linesight-RL/linesight

ИИ играет в Trackmania с помощью обучения с подкреплением

Linesight-RL
⭐ 746 Python 👤 Linesight-RL Organization 🕐 Обновлено 2026-09-30 📅 Создано 2023-06-09
431
Stable-Baselines-Team/stable-baselines3-contrib

Пакет Contrib для Stable-Baselines3 - Экспериментальный код обучения с подкреплением (RL)

Stable-Baselines-Team
⭐ 745 Python 👤 Stable-Baselines-Team Organization 🕐 Обновлено 2026-10-26 📅 Создано 2020-09-20
432
SkyworkAI/Skywork-OR1

Раскрытие силы обучения с подкреплением для математических и кодовых рассуждений

SkyworkAI
⭐ 744 Python 👤 SkyworkAI Organization 🕐 Обновлено 2025-06-06 📅 Создано 2025-04-11
433
henbudidiao/UAV-path-planning

Планирование траектории для нескольких/одного БПЛА (беспилотного летательного аппарата) на основе глубокого обучения с подкреплением

henbudidiao
⭐ 740 Python 👤 henbudidiao User 🕐 Обновлено 2025-08-27 📅 Создано 2024-01-13
434
zli12321/Vision-Language-Models-Overview

Самый передовой набор и обзор статей о моделях видение-язык, а также репозиторий моделей на GitHub. Постоянные обновления.

zli12321
⭐ 733 HTML 👤 zli12321 User 🕐 Обновлено 2026-10-13 📅 Создано 2024-11-27
435
fangvv/UAV-DDPG

Код для статьи «Оптимизация выгрузки вычислений для мобильных граничных вычислений с помощью БПЛА: подход глубокого детерминированного градиента политики»

fangvv
⭐ 731 Python 👤 fangvv User 🕐 Обновлено 2026-10-08 📅 Создано 2021-05-02
436
opendilab/awesome-exploration-rl

Курируемый список отличных ресурсов по исследовательскому RL (постоянно обновляется)

opendilab
⭐ 730 👤 opendilab Organization 🕐 Обновлено 2026-05-21 📅 Создано 2022-08-06
437
NVlabs/Long-RL

Long-RL: Масштабирование RL для длинных последовательностей (NeurIPS 2025)

NVlabs
⭐ 729 Python 👤 NVlabs Organization 🕐 Обновлено 2025-09-24 📅 Создано 2025-07-08
438
kvablack/ddpo-pytorch

DDPO для дообучения диффузионных моделей, реализованный на PyTorch с поддержкой LoRA

kvablack
⭐ 723 Python 👤 kvablack User 🕐 Обновлено 2024-03-22 📅 Создано 2023-06-24
439
qgallouedec/panda-gym

Набор роботизированных сред на основе физического движка PyBullet и gymnasium.

qgallouedec
⭐ 723 Python 👤 qgallouedec User 🕐 Обновлено 2024-07-23 📅 Создано 2020-09-13
440
RUCAIBox/R1-Searcher

R1-поисковик: Стимулирование поисковых возможностей в LLM с помощью обучения с подкреплением

RUCAIBox
⭐ 722 Python 👤 RUCAIBox Organization 🕐 Обновлено 2025-08-05 📅 Создано 2025-02-26
441
dickreuter/neuron_poker

Среда покера Texas Hold'em OpenAI Gym с обучением с подкреплением на основе Keras-RL. Включает виртуальное рендеринг и Монте-Карло для расчета equity.

dickreuter
⭐ 721 Python 👤 dickreuter User 🕐 Обновлено 2025-08-04 📅 Создано 2019-06-26
442
pat-jj/DeepRetrieval

[COLM’25] DeepRetrieval — 🔥 Обучение поискового агента посредством RLVR с учетом результата извлечения

pat-jj
⭐ 720 Python 👤 pat-jj User 🕐 Обновлено 2025-10-12 📅 Создано 2025-02-20
443
luweiagi/machine-learning-notes

Это заметки о пути изучения машинного обучения. Возможно, вы найдете в них что-то полезное.

luweiagi
⭐ 719 👤 luweiagi User 🕐 Обновлено 2026-10-14 📅 Создано 2020-05-23
444
FilippoAiraldi/mpc-reinforcement-learning

Обучение с подкреплением с использованием прогнозного управления на основе модели

FilippoAiraldi
⭐ 718 Python 👤 FilippoAiraldi User 🕐 Обновлено 2026-11-16 📅 Создано 2022-11-28
445
CleanDiffuserTeam/CleanDiffuser

CleanDiffuser: Простая в использовании модульная библиотека для диффузионных моделей в принятии решений

CleanDiffuserTeam
⭐ 717 Jupyter Notebook 👤 CleanDiffuserTeam Organization 🕐 Обновлено 2025-04-20 📅 Создано 2024-06-05
446
benedekrozemberczki/awesome-monte-carlo-tree-search-papers

Куратированный список статей по поиску в дереве Монте-Карло с реализациями.

benedekrozemberczki
⭐ 717 Python 👤 benedekrozemberczki User 🕐 Обновлено 2026-01-13 📅 Создано 2019-11-22
447
RealXiaoze/humanoid-motion-intelligence

База знаний по статьям, open-source проектам, отрасли и поиску работы в области интеллектуального движения гуманоидных роботов

RealXiaoze
⭐ 716 👤 RealXiaoze User 🕐 Обновлено 2026-11-19 📅 Создано 2026-07-19
449
meta-pytorch/torchforge

Нативное для PyTorch постобучение в масштабах производства

meta-pytorch
⭐ 706 Python 👤 meta-pytorch Organization 🕐 Обновлено 2026-09-09 📅 Создано 2025-06-24
450
THUDM/ReST-MCTS

ReST-MCTS*: Самообучение LLM посредством древовидного поиска с управляемым вознаграждением за процесс (NeurIPS 2024)

THUDM
⭐ 706 Python 👤 THUDM Organization 🕐 Обновлено 2025-01-20 📅 Создано 2024-06-06