reinforcement-learning

Eine Sammlung aktueller Arbeiten zum Aufbau autonomer Agenten. Zwei Themen enthalten: RL-basierte / LLM-basierte Agenten.

Reinforcement Learning für Echtzeitanwendungen

Contrib-Paket für Stable-Baselines3 – Experimenteller Reinforcement-Learning-Code (RL)

Dies ist ein Projekt über einen Algorithmus zum autonomen Hindernisausweichen für UAVs mittels Deep Reinforcement Learning.

Long-RL: Skalierung von RL auf lange Sequenzen (NeurIPS 2025)

Begleitcode zur Nature-Veröffentlichung „Discovering State-of-the-art Reinforcement Algorithms“

Implementierungen von Reinforcement-Learning- und Planungsalgorithmen.

Eine kuratierte Liste von großartigen Ressourcen zum explorativen Reinforcement Learning (wird laufend aktualisiert)

Poker-Engine für die Entwicklung von Poker-KI in Python

Code zum Paper 'Computation Offloading Optimization for UAV-assisted Mobile Edge Computing: A Deep Deterministic Policy Gradient Approach'.

Texas-Holdem-OpenAI-Gym-Poker-Umgebung mit Reinforcement Learning auf Basis von keras-rl. Inklusive virtuellem Rendering und Monte-Carlo-Simulation zur Equity-Berechnung.

[COLM’25] DeepRetrieval — 🔥 Training von Suchagenten durch RLVR mit Suchergebnis

Eine kuratierte Liste von Monte-Carlo-Tree-Search-Papern mit Implementierungen.

KI-Forschungsplattform für Reinforcement Learning aus echten Panoramabildern.

Reinforcement Learning mit modellprädiktiver Regelung

Feingetunte MARL-Algorithmen auf SMAC (100 % Siegtrefferquote in den meisten Szenarien)

Eine umfassende Frontend-Sammlung und Übersicht von Vision-Language-Model-Papern und -Modellen auf GitHub. Kontinuierliche Updates.

ns3-gym – Die Spielwiese für Reinforcement Learning in der Netzwerkforschung

Ein einheitliches Framework für einfaches Reinforcement Learning in Flow-Matching-Modellen

Implementierung von Algorithmen für Inverse Reinforcement Learning (IRL) in Python/Tensorflow. Deep MaxEnt, MaxEnt, LPIRL

Hearthstone-Simulator in C++ mit etwas Reinforcement Learning

Ein C++-Framework für MDPs und POMDPs mit Python-Anbindungen

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

BenchMARL ist eine Bibliothek für Benchmarking im Bereich Multi-Agent Reinforcement Learning (MARL). BenchMARL ermöglicht den schnellen Vergleich verschiedener MARL-Algorithmen, -Aufgaben und -Modelle, gestützt auf die zwei Kernprinzipien: Reproduzierbarkeit und Standardisierung.

Vollständiger Lebenszyklus eines Data-Science-Projekts

Ein Reinforcement-Learning-Paket für Julia

Neueste Fortschritte beim Long Chain-of-Thought Reasoning

Vektorisierten RL-Spielumgebungen in JAX

Projektseite für „Seg-Zero: Reasoning-Chain Guided Segmentation via Cognitive Reinforcement“

Decision-Intelligence-Plattform für die Simulation autonomen Fahrens.