reinforcement-learning

ऑटोनॉमस ड्राइविंग सिमुलेशन के लिए डिसीजन इंटेलिजेंस प्लेटफॉर्म।

यह रिपॉजिटरी मशीन लर्निंग के क्षेत्र में आमतौर पर उपयोग किए जाने वाले एल्गोरिदम को समाहित करने वाले कोड का संग्रह है। इनमें से अधिकांश Numpy, Pandas या Torch पर आधारित हैं। आप इस रिपॉजिटरी का संदर्भ लेकर संबंधित मॉडल और एल्गोरिदम की अपनी समझ को गहरा कर सकते हैं या इसे संशोधित करके अपना स्वयं का कस्टमाइज्ड कोड प्राप्त कर सकते हैं।

RLAnything (ICML 2026) और AutoTool (ICML 2026), DemyAgent: LLMs और एजेंटिक परिदृश्यों के लिए ओपन-सोर्स RL।

OpenAI gym पर आधारित मल्टी-एजेंट वातावरण का एक संग्रह।

VirtualHome चलाने के लिए API, एक मल्टी-एजेंट हाउसहोल्ड सिम्युलेटर

रोबोट लर्निंग के लिए एक एकीकृत फ्रेमवर्क

2B Model पर मल्टीमॉडल “आहा मोमेंट” का पता लगाएं

Unitree Go2 पर walk-these-ways प्रोजेक्ट को डिप्लॉय करें

Nature Machine Intelligence पर प्रकाशित! डिफरेंशियल फिजिक्स ट्रेनिंग पर आधारित पहला वास्तविक रोबोट (क्वाडरोटर)

नेशनल ताइवान यूनिवर्सिटी (NTU) के प्रोफेसर ली होंग-यी द्वारा 'मशीन लर्निंग (Machine Learning) 2021 स्प्रिंग' पाठ्यक्रम के नोट्स।

[ICLR 2026] ReCogDrive: एंड-टू-एंड ऑटोनॉमस ड्राइविंग के लिए एक रीइन्फोर्स्ड कॉग्निटिव फ्रेमवर्क।

बड़े पैमाने पर ऑम्नी-मोडल पोस्ट-ट्रेनिंग के लिए एक एसिंक्रोनस रिइंफोर्समेंट लर्निंग इंजन।

सुदृढीकरण सीखने (reinforcement learning) के लिए संबंधित पेपर, जिसमें क्लासिक पेपर और शीर्ष सम्मेलनों के नवीनतम पेपर शामिल हैं

वीडियो जनरेशन के लिए रीइन्फोर्समेंट लर्निंग पर शोध पत्रों की एक क्यूरेटेड सूची

AAAI 2024 पेपर्स: प्रमुख आर्टिफिशियल इंटेलिजेंस सम्मेलनों में प्रस्तुत शोध पत्रों का संग्रह। बेहतर समझ के लिए कोड इम्प्लीमेंटेशन शामिल हैं।

[ICML 2026] "Graph-R1: Towards Agentic GraphRAG Framework via End-to-end Reinforcement Learning" के आधिकारिक संसाधन।

एजेंट क्षमताओं के स्पेक्ट्रम की बेंचमार्किंग।

NeurIPS 2023: Safety-Gymnasium: एक एकीकृत सेफ रीइन्फोर्समेंट लर्निंग बेंचमार्क।

huggingface के ट्रांसफॉर्मर (blommz-176B/bloom/gpt/bart/T5/MetaICL) में किसी भी जनरेशन मॉडल पर ChatGPT RLHF (Reinforcement Learning with Human Feedback) का कार्यान्वयन

ऑटोनॉमस ड्राइविंग (Carla) में डीप रीइन्फोर्समेंट लर्निंग (PPO) [शून्य से]

Meta Agents Research Environments एक व्यापक प्लेटफॉर्म है जिसे गतिशील और यथार्थवादी परिदृश्यों में AI एजेंटों का मूल्यांकन करने के लिए डिज़ाइन किया गया है। स्थिर बेंचमार्क के विपरीत, यह प्लेटफॉर्म ऐसे विकसित वातावरण पेश करता है जहाँ एजेंटों को नई जानकारी उपलब्ध होने पर अपनी रणनीतियों को अनुकूलित करना पड़ता है, जो वास्तविक दुनिया की चुनौतियों को दर्शाता है।

आर्टिफिशियल इंटेलिजेंस संसाधनों की एक क्यूरेटेड सूची (कोर्स, टूल्स, ऐप, ओपन सोर्स प्रोजेक्ट)

[NeurIPS 2025 स्पॉटलाइट] LLM पोस्ट-ट्रेनिंग सूट — जिसमें ReasonFlux, ReasonFlux-PRM, और ReasonFlux-Coder शामिल हैं।

MuJoCo फ्रूट फ्लाई बॉडी मॉडल और लोकोमोशन RL टास्क।

UMI on Legs: मैनिपुलेशन-सेंट्रिक होल-बॉडी कंट्रोलर्स के साथ मैनिपुलेशन पॉलिसी को मोबाइल बनाना

CalTech, Columbia, Berkeley, MIT और Stanford से सार्वजनिक रूप से उपलब्ध मशीन लर्निंग इंजीनियरिंग पाठ्यक्रमों की क्यूरेटेड सूची।

मल्टी-ऑब्जेक्टिव रीइन्फोर्समेंट लर्निंग एल्गोरिदम का कार्यान्वयन।

[CVPR 2025 हाइलाइट] InterMimic: भौतिकी-आधारित मानव-वस्तु इंटरैक्शन के लिए यूनिवर्सल होल-बॉडी कंट्रोल की ओर

MetaTrader 5 ट्रेडिंग प्लेटफॉर्म के लिए एक सामान्य-उद्देश्य, लचीला और उपयोग में आसान सिम्युलेटर और OpenAI Gym ट्रेडिंग एनवायरनमेंट (OpenAI Gym द्वारा अनुमोदित)