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

Paquete contrib para Stable-Baselines3: código experimental de aprendizaje por refuerzo (RL)

Lista curada de artículos sobre búsqueda en árbol de Monte Carlo con implementaciones.

Plataforma de investigación de IA para aprendizaje por refuerzo a partir de imágenes panorámicas reales.

Repositorio oficial de DR Tulu: Aprendizaje por refuerzo con rúbricas evolutivas para investigación profunda.

Implementación de algoritmos de Aprendizaje por Refuerzo Inverso (IRL) en Python/Tensorflow. Deep MaxEnt, MaxEnt, LPIRL.

Simulador de Hearthstone desarrollado en C++ con aprendizaje por refuerzo

BenchMARL es una biblioteca para realizar evaluaciones comparativas de aprendizaje por refuerzo multiagente (MARL). BenchMARL permite comparar rápidamente diferentes algoritmos, tareas y modelos de MARL, basándose sistemáticamente en sus dos principios fundamentales: reproducibilidad y estandarización.

Últimos avances en razonamiento de cadena de pensamiento larga (Long Chain-of-Thought)

[NeurIPS 2022] WebShop: Hacia una interacción web real y escalable con agentes de lenguaje fundamentados

Implementaciones de ROS2-Control para robots cuadrúpedos, incluyendo sim2real.

Meta Agents Research Environments es una plataforma integral diseñada para evaluar agentes de IA en escenarios dinámicos y realistas. A diferencia de los benchmarks estáticos, esta plataforma introduce entornos en evolución donde los agentes deben adaptar sus estrategias a medida que hay nueva información disponible, reflejando desafíos del mundo real.

Implementaciones de algoritmos de aprendizaje por refuerzo multiobjetivo.

DeepThinkVLA: Mejora de la capacidad de razonamiento de los modelos de visión-lenguaje-acción.

Un entorno de entrenamiento (Gym) para LLMs agentes

Official implementation of GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL Optimization