rl

Comunidad de Llama en chino, recopila en tiempo real los últimos materiales de estudio de Llama, construye el mejor ecosistema de código abierto para el modelo grande Llama en chino, totalmente de código abierto y comercializable

Una elegante librería de aprendizaje por refuerzo profundo en PyTorch.

Dopamine es un framework de investigación para la creación rápida de prototipos de algoritmos de aprendizaje por refuerzo.

Agent Reinforcement Trainer: entrena agentes multipaso para tareas del mundo real utilizando GRPO. Dale a tus agentes entrenamiento práctico. ¡Aprendizaje por refuerzo para Qwen3.6, GPT-OSS, Llama y más!

El puente de RL para aplicaciones de agentes basados en LLM. Simple y flexible.

EasyR1: Un framework de entrenamiento de RL multimodal, eficiente y escalable basado en veRL

🚀 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.

agent-sandbox permite una gestión sencilla de cargas de trabajo aisladas, con estado y de instancia única, ideales para casos de uso como entornos de ejecución de agentes de IA y aprendizaje por refuerzo (RL).

Una implementación del algoritmo AlphaZero para Gomoku (también llamado Gobang o Cinco en línea)

Una biblioteca de PyTorch modular, enfocada en primitivas y nativa de Python para el aprendizaje por refuerzo (Reinforcement Learning).

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

Una encuesta sobre aprendizaje por refuerzo para grandes modelos de razonamiento

Implementación de todos los algoritmos de RL de una manera más sencilla.

Solución de RL escalable para el razonamiento avanzado de modelos de lenguaje.

[ICLR 2026] SimpleVLA-RL: Escalado del entrenamiento de VLA mediante aprendizaje por refuerzo.

Últimos avances en razonamiento System-2

Entendiendo el entrenamiento tipo R1-Zero: una perspectiva crítica.

🎓 Curso sistemático de construcción de modelos de lenguaje extensos | 🛠️ Cubre ingeniería de datos de preentrenamiento, Tokenizer, Transformer, MoE, programación de GPU (CUDA/Triton), entrenamiento distribuido, leyes de escala, optimización de inferencia y alineación (SFT/RLHF/GRPO) | 🚀 6 tareas progresivas + impulsadas por código para establecer un sistema de conocimiento full-stack de LLM

[NeurIPS 2025] TTRL: Aprendizaje por refuerzo en tiempo de prueba

[ICLR 2026] Optimización de políticas reforzadas por agentes (ARPO)

Aprendizaje por refuerzo mediante autodestilación (SDPO)

La pila de mejora continua para agentes. Nuestros datos de entorno y evaluaciones potencian la mejora y el monitoreo de agentes.

Tensorlake es un runtime serverless para sandboxes y despliegue de aplicaciones de agentes en segundo plano

Sistemas de inteligencia de riesgos nativos de IA, OpenDeRisk: su gestor inteligente de riesgos del sistema de aplicaciones proporciona protección integral y profunda las 24 horas del día, los 7 días de la semana.

Biblioteca de Python para aprendizaje por refuerzo.

AI-Compass guía a la comunidad a través del océano de la tecnología de IA, ofreciendo rutas para principiantes y desarrolladores avanzados. Su objetivo es ayudar a los desarrolladores a comprender sistemáticamente los conceptos centrales, las tecnologías principales y las tendencias de vanguardia de la IA, dominando el proceso desde la teoría hasta la implementación práctica.

Plataforma de robot humanoide de código abierto impresa en 3D para sim-to-real y aprendizaje por refuerzo (RL).

MobileGym: Una plataforma de simulación verificable y altamente paralela para la investigación de agentes de GUI móvil · Simulador de Android alojado en navegador · Evaluación verificable · Entrenamiento de RL en línea escalable