ppo

Tutorial en chino de aprendizaje por refuerzo (Libro de hongos 🍄), dirección de lectura en línea: https://datawhalechina.github.io/easy-rl/

Una elegante librería de aprendizaje por refuerzo profundo en PyTorch.

Implementación de archivo único de alta calidad de algoritmos de aprendizaje por refuerzo profundo con características amigables para la investigación (PPO, DQN, C51, DDPG, TD3, SAC, PPG)

Tutoriales sencillos de aprendizaje por refuerzo, enseñanza de IA en chino de MoFan Python

Repositorio para el programa Nanodegree de Aprendizaje por Refuerzo Profundo (Deep Reinforcement Learning)

Aprendizaje por refuerzo profundo masivamente paralelo. 🔥

🚀 Un plan de estudios práctico y de código abierto que puentea la brecha desde los conceptos básicos de RL hasta la alineación de LLM, RLVR y sistemas de agentes avanzados.

FinRL-X: Una infraestructura modular nativa de IA para el trading cuantitativo

Implementación modularizada de algoritmos de RL profundo en PyTorch

Implementación en PyTorch limpia, robusta y unificada de algoritmos populares de Aprendizaje por Refuerzo Profundo (DRL) (Q-learning, Duel DDQN, PER, C51, Noisy DQN, PPO, DDPG, TD3, SAC, ASL)

Implementación mínima de Proximal Policy Optimization (PPO) con objetivo recortado en PyTorch

Esta es la implementación oficial de Multi-Agent PPO (MAPPO).

Framework modular de aprendizaje por refuerzo profundo en PyTorch. Biblioteca complementaria del libro "Foundations of Deep Reinforcement Learning"

Una implementación de PPO simple y bien estructurada. Basada en mi serie de Medium: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8.

Entrenamiento de un robot humanoide para la locomoción mediante aprendizaje por refuerzo

Implementaciones de RL en Jax extremadamente rápidas de extremo a extremo

XuanCe: Una biblioteca de aprendizaje por refuerzo profundo integral y unificada.

Una biblioteca con implementaciones extensibles de DPO, KTO, PPO, ORPO y otras funciones de pérdida orientadas a humanos (HALOs).

Archivos de inicio de RL para entrenar, visualizar y evaluar inmediatamente un agente sin escribir ninguna línea de código

Este repositorio contiene la mayoría de las implementaciones en PyTorch basadas en algoritmos clásicos de aprendizaje por refuerzo profundo, incluyendo DQN, DDQN, Dueling Network, DDPG, SAC, A2C, PPO y TRPO. (Más algoritmos en desarrollo)

🌾 OAT: Un marco de trabajo amigable para la investigación de alineación en línea de LLM, que incluye aprendizaje por refuerzo, aprendizaje de preferencias, etc.

Una biblioteca de PyTorch para crear agentes de aprendizaje por refuerzo profundo.

RLAnything (ICML 2026) y AutoTool (ICML 2026), DemyAgent: RL de código abierto para LLMs y escenarios de agentes

Ajuste fino (finetuning) fácil y eficiente para LLMs. (Compatible con LLama, LLama2, LLama3, Qwen, Baichuan, GLM, Falcon). Entrenamiento y despliegue eficiente de cuantización para grandes modelos.

Una lista curada de artículos sobre aprendizaje por refuerzo para la generación de video

Aprendizaje por refuerzo profundo (PPO) en conducción autónoma (Carla) [desde cero].