Git Stars Git Stars

#reinforcement-learning 仓库

563
仓库总数
2.1M
总星标数
3,717
平均每个仓库星标数

共 564 个仓库

151
ARISE-Initiative/robosuite

robosuite:机器人学习的模块化仿真框架和基准

ARISE-Initiative
⭐ 2,720 Python 👤 ARISE-Initiative Organization 🕐 已更新 2026-11-19 📅 创建时间 2018-10-25
152
google-deepmind/mctx

JAX 中的蒙特卡罗树搜索

google-deepmind
⭐ 2,686 Python 👤 google-deepmind Organization 🕐 已更新 2026-10-05 📅 创建时间 2022-03-01
153
open-gigaai/giga-brain-0

GigaBrain-0:一个由世界模型驱动的视觉-语言-动作模型

open-gigaai
⭐ 2,673 Python 👤 open-gigaai Organization 🕐 已更新 2026-09-09 📅 创建时间 2025-09-26
154
guyulongcs/Awesome-Deep-Learning-Papers-for-Search-Recommendation-Advertising

适用于工业搜索、推荐和广告的优秀深度学习论文。这些论文聚焦于Embedding、Matching、Pre-Ranking、Ranking、Post Ranking、Relevance、LLM和RL。请引用我们的论文“Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives”(TOIS 2026)

guyulongcs
⭐ 2,636 Python 👤 guyulongcs User 🕐 已更新 2026-11-13 📅 创建时间 2020-09-06
155
mbzuai-oryx/Awesome-LLM-Post-training

超赞的推理LLM教程/调查/指南

mbzuai-oryx
⭐ 2,589 Python 👤 mbzuai-oryx Organization 🕐 已更新 2026-09-05 📅 创建时间 2025-02-13
156
Memento-Teams/Memento

Memento 官方代码:在不微调 LLM 的情况下微调 LLM 代理

Memento-Teams
⭐ 2,584 Python 👤 Memento-Teams User 🕐 已更新 2025-10-05 📅 创建时间 2025-06-20
157
opendilab/PPOxFamily

PPO x Family DRL Tutorial Course(决策智能入门级公开课:8节课帮你盘清算法理论,理顺代码逻辑,玩转决策AI应用实践 )

opendilab
⭐ 2,582 Python 👤 opendilab Organization 🕐 已更新 2025-03-13 📅 创建时间 2022-11-14
158
skyrl-project/SkyRL

SkyRL:面向LLM的模块化全栈RL库

skyrl-project
⭐ 2,546 Python 👤 skyrl-project Organization 🕐 已更新 2026-11-20 📅 创建时间 2025-04-22
159
google/tunix

轻量级LLM后训练库

google
⭐ 2,516 Python 👤 google Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-04-02
160
NVlabs/ProtoMotions

ProtoMotions 是一个 GPU 加速的模拟和学习框架,用于训练物理模拟的数字人类和人形机器人。

NVlabs
⭐ 2,507 Python 👤 NVlabs Organization 🕐 已更新 2026-11-10 📅 创建时间 2024-09-24
161
langfengQ/verl-agent

verl-agent 是 veRL 的一个扩展,专为通过 RL 训练 LLM/VLM 代理而设计。verl-agent 也是论文 "Group-in-Group Policy Optimization for LLM Agent Training" 的官方代码。

langfengQ
⭐ 2,457 Python 👤 langfengQ User 🕐 已更新 2026-06-09 📅 创建时间 2025-03-23
162
Unakar/Logic-RL

在逻辑谜题中重现 R1 Zero

Unakar
⭐ 2,451 Python 👤 Unakar User 🕐 已更新 2025-03-20 📅 创建时间 2025-02-02
⭐ 2,444 Python 👤 HybridRobotics Organization 🕐 已更新 2026-07-24 📅 创建时间 2025-08-11
164
xbpeng/MimicKit

一套用于训练控制器的轻量级运动模仿方法。

xbpeng
⭐ 2,443 Python 👤 xbpeng User 🕐 已更新 2026-11-18 📅 创建时间 2025-10-08
166
XiaomiMiMo/MiMo

MiMo:解锁语言模型的推理潜力——从预训练到后训练

XiaomiMiMo
⭐ 2,411 Python 👤 XiaomiMiMo Organization 🕐 已更新 2026-10-29 📅 创建时间 2025-04-26
167
allenai/RL4LMs

一个模块化强化学习库,用于将语言模型微调至人类偏好

allenai
⭐ 2,376 Python 👤 allenai Organization 🕐 已更新 2024-03-01 📅 创建时间 2022-08-18
168
NVIDIA-NeMo/Nemotron

NVIDIA Nemotron 开发者资源中心 — 为使用 Nemotron 模型构建提供一站式资源,包括训练配方、使用说明书、数据集以及完整的端到端参考示例。

NVIDIA-NeMo
⭐ 2,372 Jupyter Notebook 👤 NVIDIA-NeMo Organization 🕐 已更新 2026-11-20 📅 创建时间 2025-10-03
169
AminHP/gym-anytrading

最简单、灵活且全面的 OpenAI Gym 交易环境(经 OpenAI Gym 批准)

AminHP
⭐ 2,361 Python 👤 AminHP User 🕐 已更新 2024-03-14 📅 创建时间 2019-09-16
170
google-deepmind/mujoco_playground

一个基于 MuJoCo 的开源库,用于仿真和真实机器人演示。

google-deepmind
⭐ 2,326 Python 👤 google-deepmind Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-12-03
171
hzwer/ICCV2019-LearningToPaint

ICCV2019 - 使用基于模型的深度强化学习学习绘画

hzwer
⭐ 2,297 Python 👤 hzwer User 🕐 已更新 2025-05-07 📅 创建时间 2019-03-11
172
alessiodm/drl-zh

深度强化学习:从零到英雄!

alessiodm
⭐ 2,292 Jupyter Notebook 👤 alessiodm User 🕐 已更新 2026-05-26 📅 创建时间 2024-01-10
173
Liuziyu77/Visual-RFT

'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning' 的官方仓库

Liuziyu77
⭐ 2,283 Jupyter Notebook 👤 Liuziyu77 User 🕐 已更新 2025-10-29 📅 创建时间 2025-02-24
174
nikhilbarhate99/PPO-PyTorch

PyTorch 中裁剪目标近端策略优化(PPO)的最小实现

nikhilbarhate99
⭐ 2,279 Python 👤 nikhilbarhate99 User 🕐 已更新 2024-07-09 📅 创建时间 2018-09-27
175
PrimeIntellect-ai/prime-rl

大规模代理RL训练

PrimeIntellect-ai
⭐ 2,268 Python 👤 PrimeIntellect-ai Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-02-18
176
tangxyw/RecSysPapers

推荐/广告/搜索领域工业界经典以及最前沿论文集合。A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.

tangxyw
⭐ 2,216 Python 👤 tangxyw User 🕐 已更新 2026-06-11 📅 创建时间 2022-08-16
177
learnsyslab/gym-pybullet-drones

用于四旋翼飞行器控制的单智能体和多智能体强化学习的 PyBullet Gymnasium 环境

learnsyslab
⭐ 2,212 Python 👤 learnsyslab Organization 🕐 已更新 2026-11-13 📅 创建时间 2020-08-10
178
NVIDIA-NeMo/RL

高效模型增强的可扩展工具包

NVIDIA-NeMo
⭐ 2,146 Python 👤 NVIDIA-NeMo Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-03-16
179
LeCAR-Lab/ASAP

[RSS 2025] "ASAP:模拟与真实物理对齐,以学习敏捷人形全身技能"

LeCAR-Lab
⭐ 2,143 Python 👤 LeCAR-Lab Organization 🕐 已更新 2026-01-06 📅 创建时间 2025-01-28
180
Farama-Foundation/ViZDoom

基于1993年游戏《毁灭战士》的强化学习环境 :godmode:

Farama-Foundation
⭐ 2,111 C++ 👤 Farama-Foundation Organization 🕐 已更新 2026-11-21 📅 创建时间 2015-06-26
181
MineDojo/MineDojo

构建具有互联网规模知识的开放式具身智能体

MineDojo
⭐ 2,108 Java 👤 MineDojo Organization 🕐 已更新 2024-03-18 📅 创建时间 2022-06-18
182
lupantech/AgentFlow

AgentFlow: 流式智能体系统优化

lupantech
⭐ 2,095 Python 👤 lupantech User 🕐 已更新 2026-02-08 📅 创建时间 2025-09-27
183
Open-Reasoner-Zero/Open-Reasoner-Zero

Open-Reasoner-Zero 官方仓库

Open-Reasoner-Zero
⭐ 2,094 Python 👤 Open-Reasoner-Zero Organization 🕐 已更新 2025-06-02 📅 创建时间 2025-02-19
185
SakanaAI/continuous-thought-machines

持续思考机器,因为思考需要时间,而推理是一个过程。

SakanaAI
⭐ 2,049 Python 👤 SakanaAI Organization 🕐 已更新 2025-12-29 📅 创建时间 2025-05-11
186
Curt-Park/rainbow-is-all-you-need

彩虹是你所需要的一切!从 DQN 到 Rainbow 的分步教程

Curt-Park
⭐ 2,038 Python 👤 Curt-Park User 🕐 已更新 2026-06-20 📅 创建时间 2019-06-10
187
PacktPublishing/Advanced-Deep-Learning-with-Keras

Packt出版的《高级深度学习与Keras》

PacktPublishing
⭐ 2,028 Python 👤 PacktPublishing Organization 🕐 已更新 2026-03-02 📅 创建时间 2018-03-15
188
FareedKhan-dev/all-rl-algorithms

以更简单的方式实现所有 RL 算法

FareedKhan-dev
⭐ 2,004 Jupyter Notebook 👤 FareedKhan-dev User 🕐 已更新 2026-11-16 📅 创建时间 2025-03-30
189
fan-ziqi/robot_lab

基于IsaacLab的机器人RL扩展库。

fan-ziqi
⭐ 1,985 Python 👤 fan-ziqi User 🕐 已更新 2026-10-20 📅 创建时间 2024-07-06
190
WassimTenachi/PhySO

物理符号优化

WassimTenachi
⭐ 1,980 Python 👤 WassimTenachi User 🕐 已更新 2026-02-21 📅 创建时间 2023-01-27
191
Farama-Foundation/Gymnasium-Robotics

用于强化学习的机器人仿真环境合集

Farama-Foundation
⭐ 1,941 Python 👤 Farama-Foundation Organization 🕐 已更新 2026-11-16 📅 创建时间 2021-10-25
192
eloialonso/diamond

DIAMOND (DIffusion As a Model Of eNvironment Dreams) 是在扩散世界模型中训练的强化学习智能体。NeurIPS 2024 Spotlight。

eloialonso
⭐ 1,939 Python 👤 eloialonso User 🕐 已更新 2024-12-06 📅 创建时间 2024-05-19
194
RoboVerseOrg/RoboVerse

RoboVerse:迈向可扩展和可泛化的机器人学习的统一平台、数据集和基准

RoboVerseOrg
⭐ 1,881 Python 👤 RoboVerseOrg Organization 🕐 已更新 2026-11-16 📅 创建时间 2025-04-04
195
openreasoner/openr

OpenR:一个用于大型语言模型高级推理的开源框架

openreasoner
⭐ 1,846 Python 👤 openreasoner Organization 🕐 已更新 2025-01-17 📅 创建时间 2024-10-11
196
zslucky/awesome-AI-books

一些用于学习和下载的超棒的AI相关书籍和PDF,也可以应用一些用于学习的实验模型

zslucky
⭐ 1,842 Jupyter Notebook 👤 zslucky User 🕐 已更新 2026-07-07 📅 创建时间 2018-02-25
197
Yvictor/TradingGym

用于训练强化学习代理或简单基于规则的算法的交易和回测环境。

Yvictor
⭐ 1,810 Python 👤 Yvictor User 🕐 已更新 2024-02-11 📅 创建时间 2017-05-01
198
microsoft/CyberBattleSim

一个用于在抽象的模拟网络环境中研究自动化代理交互的实验与研究平台。

microsoft
⭐ 1,804 Jupyter Notebook 👤 microsoft Organization 🕐 已更新 2026-11-13 📅 创建时间 2020-11-17
199
chynl/snake

和AI玩贪吃蛇游戏。

chynl
⭐ 1,797 Python 👤 chynl User 🕐 已更新 2026-04-19 📅 创建时间 2016-06-25
⭐ 1,795 Python 👤 microsoft Organization 🕐 已更新 2026-11-02 📅 创建时间 2026-06-15