rl

Communauté chinoise Llama, regroupant en temps réel les dernières ressources d'apprentissage Llama, construisant le meilleur écosystème open source pour le grand modèle Llama en chinois, entièrement open source et commercialisable.

Une bibliothèque élégante d'apprentissage par renforcement profond pour PyTorch.

Dopamine est un framework de recherche pour le prototypage rapide d'algorithmes d'apprentissage par renforcement.

Agent Reinforcement Trainer : entraînez des agents multi-étapes pour des tâches réelles via GRPO. Offrez une formation en cours d'emploi à vos agents. Apprentissage par renforcement pour Qwen3.6, GPT-OSS, Llama et plus encore.

Le pont RL pour les applications d'agents basées sur LLM. Simple et flexible.

EasyR1 : un framework d'entraînement RL multimodal, efficace et évolutif, basé sur veRL.

Un programme open-source pratique pour faire le pont entre les concepts de base de l'apprentissage par renforcement (RL) et l'alignement des LLM, RLVR et les systèmes d'agents avancés.

agent-sandbox permet une gestion simplifiée de charges de travail isolées, avec état et singleton, idéal pour les runtimes d'agents IA et l'apprentissage par renforcement (RL).

Une implémentation de l'algorithme AlphaZero pour le Gomoku (également appelé Gobang ou Puissance 5).

Une bibliothèque PyTorch modulaire, axée sur les primitives et Python, pour l'apprentissage par renforcement.

Un framework d'entraînement pour les agents d'apprentissage par renforcement Stable Baselines3, incluant l'optimisation des hyperparamètres et des agents pré-entraînés.

Implémentation d'articles de recherche en 100 lignes de code.

MuZero

Une étude sur l'apprentissage par renforcement pour les grands modèles de raisonnement

Implémentation simplifiée de tous les algorithmes d'apprentissage par renforcement (RL).

Solution d'apprentissage par renforcement (RL) évolutive pour le raisonnement avancé des modèles de langage

[ICLR 2026] SimpleVLA-RL : Mise à l'échelle de l'entraînement VLA via l'apprentissage par renforcement.

Dernières avancées sur le raisonnement de type System-2.

Comprendre l'entraînement de type R1-Zero : une perspective critique

Cours systématique sur la construction de grands modèles de langage (LLM) couvrant l'ingénierie des données de pré-entraînement, Tokenizer, Transformer, MoE, programmation GPU (CUDA/Triton), entraînement distribué, lois d'échelle, optimisation de l'inférence et alignement (SFT/RLHF/GRPO), avec 6 exercices progressifs axés sur le code.

[NeurIPS 2025] TTRL : Apprentissage par renforcement en temps de test (Test-Time Reinforcement Learning).

[ICLR 2026] Agentic Reinforced Policy Optimization (ARPO).

Apprentissage par renforcement via auto-distillation (SDPO)

La stack d'amélioration continue pour les agents. Nos données d'environnement et nos évaluations alimentent l'amélioration et la surveillance des agents.

Tensorlake est un runtime serverless pour les sandboxes et le déploiement d'applications d'agents en arrière-plan

Systèmes d'intelligence des risques natifs pour l'IA, OpenDeRisk : votre gestionnaire intelligent des risques applicatifs assure une protection complète et approfondie 24h/24 et 7j/7.

Bibliothèque Python pour l'apprentissage par renforcement.

AI-Compass guide la communauté à travers l'océan des technologies IA, offrant des parcours pour les débutants comme pour les développeurs avancés. Il vise à aider les développeurs à comprendre systématiquement les concepts fondamentaux, les technologies dominantes et les tendances de l'IA, tout en maîtrisant le passage de la théorie à la pratique.

Plateforme de robot humanoïde open source imprimée en 3D pour le sim-to-real et l'apprentissage par renforcement

MobileGym : une plateforme de simulation vérifiable et hautement parallèle pour la recherche sur les agents d'interface graphique mobile, simulateur Android hébergé dans le navigateur, évaluation vérifiable, entraînement RL en ligne évolutif.