#reinforcement-learning 仓库
共 564 个仓库
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)
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 )
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。
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。
'Visual-RFT: Visual Reinforcement Fine-Tuning' & 'Visual-ARFT: Visual Agentic Reinforcement Fine-Tuning' 的官方仓库
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.
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。