ppo

Chinesisches Tutorial zum Reinforcement Learning (Pilz-Buch 🍄), Online-Leseadresse: https://datawhalechina.github.io/easy-rl/

Eine elegante PyTorch-Bibliothek für Deep Reinforcement Learning.

Hochwertige Ein-Datei-Implementierung von Deep-Reinforcement-Learning-Algorithmen mit forschungsfreundlichen Funktionen (PPO, DQN, C51, DDPG, TD3, SAC, PPG)

Einfache Tutorials für Reinforcement Learning, Morvan Python Chinesischer AI-Unterricht

Repository für das Deep Reinforcement Learning Nanodegree-Programm

Massiv paralleles Deep Reinforcement Learning. 🔥

🚀 Ein Open-Source-Praxislehrplan, der die Lücke von grundlegenden RL-Konzepten bis hin zu LLM-Alignment, RLVR und fortgeschrittenen Agentensystemen schließt.

FinRL-X: Eine KI-native, modulare Infrastruktur für den quantitativen Handel

Modularisierte Implementierung von Deep-RL-Algorithmen in PyTorch

Saubere, robuste und einheitliche PyTorch-Implementierung beliebter Deep Reinforcement Learning (DRL)-Algorithmen (Q-learning, Duel DDQN, PER, C51, Noisy DQN, PPO, DDPG, TD3, SAC, ASL)

Minimale Implementierung von PPO (Proximal Policy Optimization) mit gekappter Zielfunktion in PyTorch

Dies ist die offizielle Implementierung von Multi-Agent PPO (MAPPO).

Modulares Deep-Reinforcement-Learning-Framework in PyTorch. Begleitbibliothek zum Buch "Foundations of Deep Reinforcement Learning".

Eine einfache und gut strukturierte PPO-Implementierung. Basiert auf meiner Medium-Serie: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8.

Training eines humanoiden Roboters für die Fortbewegung mittels Reinforcement Learning

Sehr schnelle End-to-End-Jax-RL-Implementierungen

XuanCe: Eine umfassende und einheitliche Deep-Reinforcement-Learning-Bibliothek

Eine Bibliothek mit erweiterbaren Implementierungen von DPO, KTO, PPO, ORPO und anderen menschzentrierten Verlustfunktionen (HALOs).

RL-Starterdateien zum sofortigen Trainieren, Visualisieren und Evaluieren eines Agenten ohne eine einzige Zeile Code

Dieses Repository enthält die meisten PyTorch-Implementierungen klassischer Deep-Reinforcement-Learning-Algorithmen, einschließlich DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO, TRPO (weitere Algorithmen in Entwicklung).

OAT: Ein forschungsfreundliches Framework für das Online-Alignment von LLMs, einschließlich Reinforcement Learning, Präferenzlernen usw.

Eine PyTorch-Bibliothek zum Erstellen von Deep-Reinforcement-Learning-Agenten.

RLAnything (ICML 2026) & AutoTool (ICML 2026), DemyAgent: Open-Source-RL für LLMs und Agentenszenarien

Einfaches und effizientes Finetuning von LLMs. (Unterstützt LLama, LLama2, LLama3, Qwen, Baichuan, GLM, Falcon)

Eine kuratierte Liste von Forschungsarbeiten zu Reinforcement Learning für die Videogenerierung

Deep Reinforcement Learning (PPO) im autonomen Fahren (Carla) [von Grund auf]