reinforcement-learning

🤖 Guía de escuelas de verano de Machine Learning

Artículos de investigación de Deep Learning y aprendizaje por refuerzo profundo con algo de código

TF-Agents: Una librería de TensorFlow confiable, escalable y fácil de usar para bandidos contextuales y aprendizaje por refuerzo.

API de Isaac Lab, impulsada por MuJoCo-Warp, para investigación en RL y robótica

Un brazo humanoide totalmente de código abierto para la investigación de IA física y su implementación en entornos ricos en contacto.

Un framework de entrenamiento para agentes de aprendizaje por refuerzo de Stable Baselines3, con optimización de hiperparámetros y agentes pre-entrenados incluidos.

Implementación de papers en 100 líneas de código.

MuZero

Tutoriales simples y completos en TensorFlow

Una biblioteca de agentes de IA de nivel empresarial diseñada para democratizar la inteligencia artificial y ofrecer alternativas gratuitas y de código abierto a las startups sobrevaloradas de Y Combinator.

RAGEN aprovecha el aprendizaje por refuerzo para entrenar agentes de razonamiento de LLM en entornos interactivos y estocásticos.

Búsqueda en árbol Monte Carlo en JAX

Curso tutorial de DRL PPO x Family (Curso abierto de introducción a la inteligencia de decisiones: 8 lecciones para aclarar la teoría de algoritmos, ordenar la lógica del código y dominar la práctica de aplicaciones de IA de decisiones)

Artículos increíbles de Deep Learning para búsqueda, recomendación y publicidad industrial. Se centran en embedding, coincidencia, preclasificación, clasificación, posclasificación, relevancia, LLM y RL. Por favor cite nuestro artículo "Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives" (TOIS 2026).

robosuite: un marco de simulación modular y un punto de referencia para el aprendizaje de robots

Tutorial, encuesta y guía impresionante sobre LLM de razonamiento

Soluciones para Reinforcement Learning, An Introduction

Una biblioteca modular de RL para ajustar modelos de lenguaje según las preferencias humanas

El entorno de trading de OpenAI Gym más simple, flexible y completo (aprobado por OpenAI Gym)

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

ProtoMotions es un framework de simulación y aprendizaje acelerado por GPU para entrenar humanos digitales y robots humanoides simulados físicamente.

ICCV2019 - Aprendiendo a pintar con aprendizaje por refuerzo profundo basado en modelos

Aprendizaje por refuerzo profundo: ¡De cero a héroe!

Un conjunto ligero de métodos de imitación de movimiento para entrenar controladores.

verl-agent es una extensión de veRL, diseñada para entrenar agentes LLM/VLM mediante RL. verl-agent es también el código oficial del artículo "Group-in-Group Policy Optimization for LLM Agent Training".

Una colección de artículos clásicos de la industria y de vanguardia en el campo de la recomendación, publicidad y búsqueda.

Entornos PyBullet Gymnasium para aprendizaje por refuerzo de agentes individuales y múltiples en el control de cuadricópteros

[RSS 2025] "ASAP: Aligning Simulation and Real-World Physics for Learning Agile Humanoid Whole-Body Skills"

DIAMOND (DIffusion As a Model Of eNvironment Dreams) es un agente de aprendizaje por refuerzo entrenado en un modelo de mundo de difusión. NeurIPS 2024 Spotlight.

Entornos de aprendizaje por refuerzo basados en el juego Doom de 1993 :godmode: