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

301
PKU-Alignment/omnisafe

JMLR:OmniSafe 是一个加速 SafeRL 研究的基础设施框架。

PKU-Alignment
⭐ 1,122 Python 👤 PKU-Alignment Organization 🕐 已更新 2025-03-17 📅 创建时间 2022-11-19
302
BytedTsinghua-SIA/MemAgent

一个可扩展到350万的MemAgent框架,以及用于任何代理工作流RL训练的训练框架。

BytedTsinghua-SIA
⭐ 1,118 Python 👤 BytedTsinghua-SIA Organization 🕐 已更新 2026-05-12 📅 创建时间 2025-06-24
303
xid32/SoundMind

我们引入了音频逻辑推理(ALR)数据集,该数据集包含 6,446 个文本-音频带注释样本,专为复杂的推理任务而设计。在此资源的基础上,我们提出了 SoundMind,这是一种基于规则的强化学习(RL)算法,旨在赋予音频语言模型(ALM)深度双模态推理能力。

xid32
⭐ 1,116 Python 👤 xid32 User 🕐 已更新 2025-11-26 📅 创建时间 2025-06-13
304
agi-brain/xuance

XuanCe:一个全面统一的深度强化学习库

agi-brain
⭐ 1,114 Python 👤 agi-brain Organization 🕐 已更新 2026-11-17 📅 创建时间 2023-05-21
305
waymo-research/waymax

为自动驾驶研究设计的 JAX 模拟器。

waymo-research
⭐ 1,110 Python 👤 waymo-research Organization 🕐 已更新 2025-10-23 📅 创建时间 2023-10-02
306
Kim-Hammar/awesome-rl-for-cybersecurity

一份精选的资源列表,专门介绍强化学习在网络安全领域的应用。

Kim-Hammar
⭐ 1,109 👤 Kim-Hammar User 🕐 已更新 2026-07-21 📅 创建时间 2021-12-14
307
vietnh1009/Super-mario-bros-A3C-pytorch

用于超级马里奥兄弟的异步优势演员-评论家 (A3C) 算法

vietnh1009
⭐ 1,105 Python 👤 vietnh1009 User 🕐 已更新 2024-04-28 📅 创建时间 2019-05-29
308
LucasAlegre/sumo-rl

使用 SUMO 的交通信号控制强化学习环境。与 Gymnasium、PettingZoo 和流行 RL 库兼容。

LucasAlegre
⭐ 1,104 Python 👤 LucasAlegre User 🕐 已更新 2026-03-08 📅 创建时间 2018-12-10
309
Toni-SM/skrl

模块化强化学习 (RL) 库(在 PyTorch、JAX 和 NVIDIA Warp 中实现),支持 Gymnasium/Gym、NVIDIA Isaac Lab、MuJoCo Playground 和其他环境

Toni-SM
⭐ 1,103 Python 👤 Toni-SM User 🕐 已更新 2026-11-21 📅 创建时间 2021-10-18
310
offchan42/machine-learning-curriculum

:computer: 学习让机器学习,这样你就不用为编程它们而挣扎;终极列表

offchan42
⭐ 1,102 👤 offchan42 User 🕐 已更新 2024-03-03 📅 创建时间 2016-12-12
311
JudgmentLabs/judgeval

面向智能体的持续改进技术栈。我们的环境数据和评估功能为智能体的改进与监控提供支持。

JudgmentLabs
⭐ 1,073 Python 👤 JudgmentLabs Organization 🕐 已更新 2026-11-19 📅 创建时间 2024-10-25
312
reacher-z/Awesome-CUA

开放且有来源支撑的计算机使用智能体目录:经审阅的论文、GUI 模型、数据集、基准、工具,以及可复用的 JSONL/SQLite 数据。

reacher-z
⭐ 1,072 Python 👤 reacher-z User 🕐 已更新 2026-11-21 📅 创建时间 2026-10-16
313
TeleHuman/PBHC

"KungfuBot: 基于物理的人形机器人全身控制,用于学习高动态技能"的官方实现

TeleHuman
⭐ 1,072 Python 👤 TeleHuman Organization 🕐 已更新 2026-07-01 📅 创建时间 2025-05-20
314
metauto-ai/GPTSwarm

🐝 首批采用 RL / 提示词优化的自我改进智能体

metauto-ai
⭐ 1,072 Python 👤 metauto-ai Organization 🕐 已更新 2026-02-05 📅 创建时间 2024-02-26
315
BAILOOL/DoYouEvenLearn

跟上AI/ML/DL/CV的必备指南

BAILOOL
⭐ 1,066 👤 BAILOOL User 🕐 已更新 2025-01-18 📅 创建时间 2017-12-03
316
worldbench/DiffusionOPSD

🔥 扩散模型中的策略内自蒸馏

worldbench
⭐ 1,057 Python 👤 worldbench Organization 🕐 已更新 2026-10-12 📅 创建时间 2026-07-29
317
rl-tools/rl-tools

最快的深度强化学习库

rl-tools
⭐ 1,056 C++ 👤 rl-tools Organization 🕐 已更新 2026-11-18 📅 创建时间 2023-11-11
318
Farama-Foundation/Stable-Retro

gym-retro 的一个分支,包含额外的游戏、模拟器和支持的平台

Farama-Foundation
⭐ 1,053 C++ 👤 Farama-Foundation Organization 🕐 已更新 2026-11-21 📅 创建时间 2023-05-15
319
Tencent-Hunyuan/UniRL

UniRL 是一个用于统一多模态模型强化学习的框架

Tencent-Hunyuan
⭐ 1,051 Python 👤 Tencent-Hunyuan Organization 🕐 已更新 2026-11-16 📅 创建时间 2026-06-08
320
pytorch/tensordict

一种表现得像单个张量的 dict[str, torch.Tensor],以及 TensorClass:可编译的类型化批处理数据类。

pytorch
⭐ 1,046 Python 👤 pytorch Organization 🕐 已更新 2026-11-21 📅 创建时间 2022-10-19
321
PKU-MARL/DexterousHands

这是一个通过 Isaac Gym 提供双灵活手操作任务的库

PKU-MARL
⭐ 1,043 Python 👤 PKU-MARL Organization 🕐 已更新 2025-02-18 📅 创建时间 2022-03-30
322
hanjuku-kaso/awesome-offline-rl

离线强化学习(offline-rl)算法索引

hanjuku-kaso
⭐ 1,042 👤 hanjuku-kaso Organization 🕐 已更新 2024-05-23 📅 创建时间 2020-12-04
323
MrSyee/pg-is-all-you-need

Policy Gradient 就是你需要的一切!知名 PG 方法的逐步教程。

MrSyee
⭐ 1,040 Jupyter Notebook 👤 MrSyee User 🕐 已更新 2026-07-17 📅 创建时间 2019-07-15
324
silvery107/rl-mpc-locomotion

用于四足机器人步态控制的深度强化学习

silvery107
⭐ 1,036 Python 👤 silvery107 User 🕐 已更新 2026-04-26 📅 创建时间 2021-11-22
325
ZhiqingXiao/rl-book

书籍“Reinforcement Learning: Theory and Python Implementation”的源代码

ZhiqingXiao
⭐ 1,033 HTML 👤 ZhiqingXiao User 🕐 已更新 2025-10-26 📅 创建时间 2019-01-25
326
alex-petrenko/sample-factory

高吞吐量同步和异步强化学习

alex-petrenko
⭐ 1,030 Python 👤 alex-petrenko User 🕐 已更新 2026-10-19 📅 创建时间 2019-06-20
327
MeiGen-AI/PosterCraft

[ICLR2026] 在统一框架中重新思考高质量美学海报生成

MeiGen-AI
⭐ 1,029 Python 👤 MeiGen-AI Organization 🕐 已更新 2026-02-11 📅 创建时间 2025-06-30
328
MoonshotAI/checkpoint-engine

Checkpoint-engine 是一个简单的中间件,用于在 LLM 推理引擎中更新模型权重

MoonshotAI
⭐ 1,026 Python 👤 MoonshotAI Organization 🕐 已更新 2026-10-22 📅 创建时间 2025-09-08
329
imsheridan/DeepRec

推荐、广告工业界经典以及最前沿的论文、资料集合 / 推荐系统和CTR预测的必读论文

imsheridan
⭐ 1,021 👤 imsheridan User 🕐 已更新 2024-01-20 📅 创建时间 2019-12-04
330
isaac-sim/OmniIsaacGymEnvs

面向 Omniverse Isaac Gym 的强化学习环境

isaac-sim
⭐ 1,020 Python 👤 isaac-sim Organization 🕐 已更新 2024-06-06 📅 创建时间 2022-06-01
332
facebookresearch/CompilerGym

用于编译器和程序优化任务的强化学习环境

facebookresearch
⭐ 1,013 Python 👤 facebookresearch Organization 🕐 已更新 2026-04-14 📅 创建时间 2020-11-11
333
Motphys/UniLab

UniLab:面向不同物理仿真后端和硬件的、由契约驱动的机器人学习基础设施

Motphys
⭐ 1,011 Python 👤 Motphys Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-02-04
334
CelaDaniel/free-ai-resources-x

🌟 精选的免费高质量 AI 工具 🤖、API 🔗、数据集 📊 和学习资源 📚 合集,涵盖机器学习 🧠、深度学习 🧩、生成式 AI 🎨、自然语言处理 (NLP) 💬 和数据科学 📈。旨在帮助开发者 👩‍💻、研究人员 🔬 和创作者 ✨ 更快地探索并构建 AI 应用 ⚡。

CelaDaniel
⭐ 1,008 👤 CelaDaniel User 🕐 已更新 2026-05-21 📅 创建时间 2025-10-17
335
luchris429/purejaxrl

真正快速的端到端 Jax RL 实现

luchris429
⭐ 1,007 Python 👤 luchris429 User 🕐 已更新 2024-09-09 📅 创建时间 2023-02-25
336
locuslab/mpc.pytorch

一个快速且可微分的PyTorch模型预测控制 (MPC) 求解器。

locuslab
⭐ 1,007 Python 👤 locuslab Organization 🕐 已更新 2024-08-27 📅 创建时间 2018-10-02
337
stepfun-ai/Step-Audio-EditX

一个强大的、基于LLM的30亿参数强化学习音频编辑模型,擅长编辑情感、说话风格和副语言学,并具有强大的零样本文本转语音功能。

stepfun-ai
⭐ 1,005 Python 👤 stepfun-ai Organization 🕐 已更新 2026-04-09 📅 创建时间 2025-10-29
338
nicklashansen/tdmpc2

“TD-MPC2:可扩展、鲁棒的连续控制世界模型”代码

nicklashansen
⭐ 1,004 Python 👤 nicklashansen User 🕐 已更新 2026-10-20 📅 创建时间 2023-10-26
339
TuragaLab/flybody

MuJoCo 水果蝇身体模型与行走RL任务

TuragaLab
⭐ 984 Python 👤 TuragaLab Organization 🕐 已更新 2026-02-07 📅 创建时间 2024-01-30
340
Kuaishou-OneRec/OpenOneRec

加速生成式推荐的开放型基础模型与基准

Kuaishou-OneRec
⭐ 983 Python 👤 Kuaishou-OneRec User 🕐 已更新 2026-05-18 📅 创建时间 2025-12-29
341
HumanCompatibleAI/overcooked_ai

一个用于完全合作的人类-AI性能的基准环境。

HumanCompatibleAI
⭐ 973 Jupyter Notebook 👤 HumanCompatibleAI Organization 🕐 已更新 2025-03-22 📅 创建时间 2019-06-23
342
AgileRL/AgileRL

面向大语言模型的完整后训练技术栈,并支持针对任意问题的强化学习。内置 SFT、DPO、多轮智能体强化学习,以及进化式超参数优化。

AgileRL
⭐ 971 Python 👤 AgileRL Organization 🕐 已更新 2026-11-21 📅 创建时间 2023-03-01
343
d0r1h/ML-University

机器学习开源大学

d0r1h
⭐ 956 👤 d0r1h User 🕐 已更新 2026-10-12 📅 创建时间 2020-08-29
344
AspirinCode/papers-for-molecular-design-using-DL

使用生成式人工智能和深度学习进行分子和材料设计的列表

AspirinCode
⭐ 954 👤 AspirinCode User 🕐 已更新 2026-11-20 📅 创建时间 2023-02-28
⭐ 951 👤 jonyzhang2023 User 🕐 已更新 2026-03-16 📅 创建时间 2024-01-16
346
StanfordVL/GibsonEnv

Gibson Environments:具身代理的现实世界感知

StanfordVL
⭐ 949 C 👤 StanfordVL Organization 🕐 已更新 2026-10-20 📅 创建时间 2017-12-18
347
minerllabs/minerl

MineRL 样本高效强化学习竞赛 - Python 包

minerllabs
⭐ 947 Java 👤 minerllabs Organization 🕐 已更新 2025-01-22 📅 创建时间 2019-04-23
348
MushroomRL/mushroom-rl

强化学习的 Python 库。

MushroomRL
⭐ 946 Python 👤 MushroomRL Organization 🕐 已更新 2026-11-20 📅 创建时间 2017-02-25
350
RobertTLange/gymnax

JAX中的RL环境 🌍

RobertTLange
⭐ 942 Python 👤 RobertTLange User 🕐 已更新 2026-11-20 📅 创建时间 2020-12-26