#reinforcement-learning Репозитории
Всего репозиториев: 564
🚀🚀🚀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.
Масштабирование глубоких исследований с помощью обучения с подкреплением в реальных средах.
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
Кураторский список отличных фреймворков, статей, программного обеспечения и ресурсов NVIDIA Issac Gym
FinMem: Торговый агент LLM с улучшенной производительностью, многоуровневой памятью и дизайном персонажа
Reverb — это эффективная и простая в использовании система хранения и передачи данных, разработанная для исследований в области машинного обучения
Статьи для систем баз данных, работающих на искусственном интеллекте (машинное обучение для баз данных)
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.
Простые и легко настраиваемые 3D-среды, похожие на FPS-игры, для обучения с подкреплением
MDPs и POMDPs в Julia - Интерфейс для определения, решения и симуляции полностью и частично наблюдаемых марковских процессов принятия решений в дискретных и непрерывных пространствах.
MM-EUREKA: Исследование границ мультимодального рассуждения с помощью основанного на правилах обучения с подкреплением
Первая поведенческая фундаментальная модель для управления виртуальным антропоморфным агентом на основе физики для широкого спектра задач всего тела.
Сборник недавних статей по созданию автономных агентов. Включены две темы: агенты на основе RL / агенты на основе LLM.
Реализация на Python активного вывода для марковских процессов принятия решений
Подборка проектов по коннектому плодовой мушки: MaleCNS, FlyWire, симуляции мозга, воплощённые модели, игры и исследовательские инструменты.
Унифицированная платформа для простой тонкой настройки моделей Flow Matching
Сопутствующий код к публикации в Nature «Discovering State-of-the-art Reinforcement Algorithms»
Обучаемое управление локомоцией от OpenRobotLab, включая гибридную модель внутреннего управления и управление локомоцией H-Infinity
Пакет Contrib для Stable-Baselines3 - Экспериментальный код обучения с подкреплением (RL)
Раскрытие силы обучения с подкреплением для математических и кодовых рассуждений
Планирование траектории для нескольких/одного БПЛА (беспилотного летательного аппарата) на основе глубокого обучения с подкреплением
Самый передовой набор и обзор статей о моделях видение-язык, а также репозиторий моделей на GitHub. Постоянные обновления.
Код для статьи «Оптимизация выгрузки вычислений для мобильных граничных вычислений с помощью БПЛА: подход глубокого детерминированного градиента политики»
Курируемый список отличных ресурсов по исследовательскому RL (постоянно обновляется)
DDPO для дообучения диффузионных моделей, реализованный на PyTorch с поддержкой LoRA
Набор роботизированных сред на основе физического движка PyBullet и gymnasium.
R1-поисковик: Стимулирование поисковых возможностей в LLM с помощью обучения с подкреплением
Среда покера Texas Hold'em OpenAI Gym с обучением с подкреплением на основе Keras-RL. Включает виртуальное рендеринг и Монте-Карло для расчета equity.
[COLM’25] DeepRetrieval — 🔥 Обучение поискового агента посредством RLVR с учетом результата извлечения
Это заметки о пути изучения машинного обучения. Возможно, вы найдете в них что-то полезное.
Обучение с подкреплением с использованием прогнозного управления на основе модели
CleanDiffuser: Простая в использовании модульная библиотека для диффузионных моделей в принятии решений
Куратированный список статей по поиску в дереве Монте-Карло с реализациями.
База знаний по статьям, open-source проектам, отрасли и поиску работы в области интеллектуального движения гуманоидных роботов
ReST-MCTS*: Самообучение LLM посредством древовидного поиска с управляемым вознаграждением за процесс (NeurIPS 2024)