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

401
coderonion/awesome-llm-and-aigc

🚀🚀🚀一个关于大型语言模型(LLM)、视觉语言模型(VLM)、视觉语言动作(VLA)、人工智能生成内容(AIGC)的优秀公共项目合集,以及相关的数据库和应用。

coderonion
⭐ 810 👤 coderonion User 🕐 已更新 2025-08-01 📅 创建时间 2023-02-15
402
GAIR-NLP/DeepResearcher

通过强化学习在真实环境中扩展深度研究。

GAIR-NLP
⭐ 808 Python 👤 GAIR-NLP Organization 🕐 已更新 2026-11-04 📅 创建时间 2025-04-02
403
RobertTLange/evosax

JAX 中的进化策略 🦎

RobertTLange
⭐ 808 Python 👤 RobertTLange User 🕐 已更新 2026-11-20 📅 创建时间 2020-12-30
405
google/ml-compiler-opt

LLVM 中用于机器学习引导优化 (MLGO) 的基础设施。

google
⭐ 807 Python 👤 google Organization 🕐 已更新 2026-11-18 📅 创建时间 2020-05-28
406
huggingface/Repo2RLEnv

将任何代码仓库转换为适用于编程智能体的可验证强化学习环境——使用 Harbor 创建任务,在 Hugging Face Hub 上进行训练、评估和分享

huggingface
⭐ 804 Python 👤 huggingface Organization 🕐 已更新 2026-11-16 📅 创建时间 2026-05-05
407
OpenRL-Lab/openrl

统一强化学习框架

OpenRL-Lab
⭐ 802 Python 👤 OpenRL-Lab Organization 🕐 已更新 2024-09-06 📅 创建时间 2023-04-12
408
robotlearning123/awesome-isaac-gym

精选的NVIDIA Issac Gym优秀框架、论文、软件和资源列表

robotlearning123
⭐ 800 Python 👤 robotlearning123 User 🕐 已更新 2026-10-16 📅 创建时间 2021-08-07
409
pipiku915/FinMem-LLM-StockTrading

FinMem:一种具有分层记忆和角色设计的性能增强型 LLM 交易代理

pipiku915
⭐ 798 Python 👤 pipiku915 User 🕐 已更新 2024-08-18 📅 创建时间 2023-12-01
410
google-deepmind/reverb

Reverb 是一个为机器学习研究设计的、高效且易于使用的数据存储和传输系统

google-deepmind
⭐ 796 C++ 👤 google-deepmind Organization 🕐 已更新 2026-10-26 📅 创建时间 2020-05-01
411
LumingSun/ML4DB-paper-list

人工智能驱动的数据库系统论文(数据库机器学习)

LumingSun
⭐ 793 Python 👤 LumingSun User 🕐 已更新 2026-11-16 📅 创建时间 2019-09-10
412
SUFE-AIFLM-Lab/Fin-R1

Fin-R1 是一个用于复杂金融推理的大型语言模型,由上海财经大学统计与数据科学学院的 SUFE-AIFLM-Lab 和 FinStep.AI 共同开发并开源。

SUFE-AIFLM-Lab
⭐ 789 👤 SUFE-AIFLM-Lab User 🕐 已更新 2025-03-27 📅 创建时间 2025-03-11
414
Farama-Foundation/Miniworld

用于强化学习的简单且易于配置的3D FPS游戏类环境

Farama-Foundation
⭐ 783 Python 👤 Farama-Foundation Organization 🕐 已更新 2026-03-02 📅 创建时间 2018-08-28
415
ntnu-arl/aerial_gym_simulator

Aerial Gym Simulator - 适用于空中机器人的Isaac Gym Simulator

ntnu-arl
⭐ 781 Python 👤 ntnu-arl Organization 🕐 已更新 2026-06-28 📅 创建时间 2023-04-04
416
GalaxyGeneralRobotics/OpenTrack

Any2Track的官方实现。

GalaxyGeneralRobotics
⭐ 775 C++ 👤 GalaxyGeneralRobotics Organization 🕐 已更新 2026-06-04 📅 创建时间 2025-09-19
417
JuliaPOMDP/POMDPs.jl

Julia 中的 MDPs 和 POMDPs - 一个用于定义、求解和模拟离散和连续空间上完全和部分可观测马尔可夫决策过程的接口。

JuliaPOMDP
⭐ 771 Julia 👤 JuliaPOMDP Organization 🕐 已更新 2026-11-15 📅 创建时间 2015-06-23
418
ModalMinds/MM-EUREKA

MM-EUREKA:使用基于规则的强化学习探索多模态推理的前沿

ModalMinds
⭐ 770 Python 👤 ModalMinds Organization 🕐 已更新 2025-09-07 📅 创建时间 2025-03-07
419
RUCAIBox/Slow_Thinking_with_LLMs

关于使用LLM进行慢思考的一系列技术报告

RUCAIBox
⭐ 768 Python 👤 RUCAIBox Organization 🕐 已更新 2025-08-13 📅 创建时间 2024-12-12
420
facebookresearch/metamotivo

首个控制虚拟物理基础人形代理以完成广泛全身任务的行为基础模型。

facebookresearch
⭐ 765 Python 👤 facebookresearch Organization 🕐 已更新 2025-06-10 📅 创建时间 2024-12-06
421
lafmdp/Awesome-Papers-Autonomous-Agent

一本关于构建自主代理的近期论文集。包含两个主题:基于RL/基于LLM的代理。

lafmdp
⭐ 758 👤 lafmdp User 🕐 已更新 2026-04-23 📅 创建时间 2023-10-18
422
infer-actively/pymdp

马尔可夫决策过程的主动推理的Python实现

infer-actively
⭐ 757 Python 👤 infer-actively Organization 🕐 已更新 2026-11-16 📅 创建时间 2019-11-27
423
cobanov/awesome-fly

精选的果蝇连接组项目列表:MaleCNS、FlyWire、大脑模拟、具身模型、游戏和研究工具。

cobanov
⭐ 756 👤 cobanov User 🕐 已更新 2026-11-14 📅 创建时间 2026-09-12
424
stepjam/PyRep

机器人学习研究的工具包。

stepjam
⭐ 755 Python 👤 stepjam User 🕐 已更新 2024-08-16 📅 创建时间 2019-06-26
425
X-GenGroup/Flow-Factory

流匹配模型的统一易用微调框架

X-GenGroup
⭐ 754 Python 👤 X-GenGroup Organization 🕐 已更新 2026-11-13 📅 创建时间 2025-12-18
426
google-deepmind/disco_rl

Nature出版物“Discovering State-of-the-art Reinforcement Algorithms”的配套代码

google-deepmind
⭐ 753 Python 👤 google-deepmind Organization 🕐 已更新 2025-12-02 📅 创建时间 2025-07-24
427
NVlabs
⭐ 753 Python 👤 NVlabs Organization 🕐 已更新 2025-07-30 📅 创建时间 2024-12-19
428
InternRobotics/HIMLoco

来自OpenRobotLab的基于学习的运动控制,包括混合内部模型与H-Infinity运动控制

InternRobotics
⭐ 753 Python 👤 InternRobotics Organization 🕐 已更新 2024-05-14 📅 创建时间 2023-12-14
429
trackmania-rl/tmrl

适用于实时应用的强化学习

trackmania-rl
⭐ 751 Python 👤 trackmania-rl Organization 🕐 已更新 2026-10-24 📅 创建时间 2020-07-08
430
Linesight-RL/linesight

AI 使用强化学习玩 Trackmania

Linesight-RL
⭐ 746 Python 👤 Linesight-RL Organization 🕐 已更新 2026-09-30 📅 创建时间 2023-06-09
431
Stable-Baselines-Team/stable-baselines3-contrib

Stable-Baselines3 的 Contrib 包 - 实验性强化学习 (RL) 代码

Stable-Baselines-Team
⭐ 745 Python 👤 Stable-Baselines-Team Organization 🕐 已更新 2026-10-26 📅 创建时间 2020-09-20
432
SkyworkAI/Skywork-OR1

释放数学和代码推理器的强化学习能力

SkyworkAI
⭐ 744 Python 👤 SkyworkAI Organization 🕐 已更新 2025-06-06 📅 创建时间 2025-04-11
433
henbudidiao/UAV-path-planning

基于深度强化学习的多/单无人机(无人航空器)路径规划

henbudidiao
⭐ 740 Python 👤 henbudidiao User 🕐 已更新 2025-08-27 📅 创建时间 2024-01-13
434
zli12321/Vision-Language-Models-Overview

一份关于视觉-语言模型论文的前沿合集与综述,以及模型的 GitHub 仓库。持续更新。

zli12321
⭐ 733 HTML 👤 zli12321 User 🕐 已更新 2026-10-13 📅 创建时间 2024-11-27
435
fangvv/UAV-DDPG

论文“基于深度确定性策略梯度法的无人机辅助移动边缘计算的计算卸载优化方法”的代码

fangvv
⭐ 731 Python 👤 fangvv User 🕐 已更新 2026-10-08 📅 创建时间 2021-05-02
436
opendilab/awesome-exploration-rl

精选的精彩探索 RL 资源列表(持续更新)

opendilab
⭐ 730 👤 opendilab Organization 🕐 已更新 2026-05-21 📅 创建时间 2022-08-06
437
NVlabs/Long-RL

Long-RL: 将强化学习(RL)扩展到长序列(NeurIPS 2025)

NVlabs
⭐ 729 Python 👤 NVlabs Organization 🕐 已更新 2025-09-24 📅 创建时间 2025-07-08
438
kvablack/ddpo-pytorch

用于微调扩散模型的 DDPO,在 PyTorch 中实现,支持 LoRA

kvablack
⭐ 723 Python 👤 kvablack User 🕐 已更新 2024-03-22 📅 创建时间 2023-06-24
439
qgallouedec/panda-gym

基于PyBullet物理引擎和gymnasium的机器人环境集。

qgallouedec
⭐ 723 Python 👤 qgallouedec User 🕐 已更新 2024-07-23 📅 创建时间 2020-09-13
440
RUCAIBox/R1-Searcher

R1-搜索器:通过强化学习激励LLM的搜索能力

RUCAIBox
⭐ 722 Python 👤 RUCAIBox Organization 🕐 已更新 2025-08-05 📅 创建时间 2025-02-26
441
dickreuter/neuron_poker

德克萨斯扑克 OpenAI Gym 扑克环境,基于 Keras-RL 的强化学习。包括虚拟渲染和蒙特卡洛用于权益计算。

dickreuter
⭐ 721 Python 👤 dickreuter User 🕐 已更新 2025-08-04 📅 创建时间 2019-06-26
442
pat-jj/DeepRetrieval

[COLM’25] DeepRetrieval — 🔥 通过 RLVR 结合检索结果训练搜索代理

pat-jj
⭐ 720 Python 👤 pat-jj User 🕐 已更新 2025-10-12 📅 创建时间 2025-02-20
443
luweiagi/machine-learning-notes

这是机器学习学习路径的笔记。你可能会从中找到有用的东西。

luweiagi
⭐ 719 👤 luweiagi User 🕐 已更新 2026-10-14 📅 创建时间 2020-05-23
444
FilippoAiraldi/mpc-reinforcement-learning

基于模型的预测控制的强化学习

FilippoAiraldi
⭐ 718 Python 👤 FilippoAiraldi User 🕐 已更新 2026-11-16 📅 创建时间 2022-11-28
445
CleanDiffuserTeam/CleanDiffuser

CleanDiffuser:用于决策的易用模块化扩散模型库

CleanDiffuserTeam
⭐ 717 Jupyter Notebook 👤 CleanDiffuserTeam Organization 🕐 已更新 2025-04-20 📅 创建时间 2024-06-05
446
benedekrozemberczki/awesome-monte-carlo-tree-search-papers

精选的蒙特卡洛树搜索论文列表,附带实现。

benedekrozemberczki
⭐ 717 Python 👤 benedekrozemberczki User 🕐 已更新 2026-01-13 📅 创建时间 2019-11-22
447
RealXiaoze/humanoid-motion-intelligence

人形机器人运动智能论文、开源项目、产业与求职知识库

RealXiaoze
⭐ 716 👤 RealXiaoze User 🕐 已更新 2026-11-19 📅 创建时间 2026-07-19
449
meta-pytorch/torchforge

原生于 PyTorch 的大规模后训练

meta-pytorch
⭐ 706 Python 👤 meta-pytorch Organization 🕐 已更新 2026-09-09 📅 创建时间 2025-06-24
450
THUDM/ReST-MCTS

ReST-MCTS*: 通过过程奖励指导的树搜索进行 LLM 自我训练 (NeurIPS 2024)

THUDM
⭐ 706 Python 👤 THUDM Organization 🕐 已更新 2025-01-20 📅 创建时间 2024-06-06