reinforcement-learning

🤖 मशीन लर्निंग समर स्कूल गाइड

TF-Agents: Contextual Bandits और Reinforcement Learning के लिए एक विश्वसनीय, स्केलेबल और उपयोग में आसान TensorFlow लाइब्रेरी।

डीप लर्निंग और डीप रीइंफोर्समेंट लर्निंग शोध पत्र और कुछ कोड

RL और रोबोटिक्स अनुसंधान के लिए Isaac Lab API, जो MuJoCo-Warp द्वारा संचालित है

भौतिक AI शोध और संपर्क-समृद्ध वातावरण में तैनाती के लिए पूरी तरह से ओपन-सोर्स ह्यूमनॉइड आर्म।

हाइपरपैरामीटर ऑप्टिमाइज़ेशन और प्री-ट्रेन किए गए एजेंटों के साथ Stable Baselines3 रीइंफोर्समेंट लर्निंग एजेंटों के लिए एक ट्रेनिंग फ्रेमवर्क।

100 लाइनों के कोड में पेपर का कार्यान्वयन।

MuZero

TensorFlow में सरल और व्यापक ट्यूटोरियल

आर्टिफिशियल इंटेलिजेंस को लोकलाइज करने और अधिक मूल्यांकित Y Combinator स्टार्टअप्स के लिए मुफ्त, ओपन-सोर्स विकल्प प्रदान करने के लिए डिज़ाइन किए गए एंटरप्राइज़-ग्रेड AI एजेंटों की एक लाइब्रेरी।

LLM एजेंटों के लिए एजेंट RL फ्रेमवर्क: StarPO और रीजनिंग-कोलैप्स डायग्नोस्टिक्स के साथ मल्टी-टर्न सुदृढीकरण शिक्षण (reinforcement learning)

JAX में मोंटे कार्लो ट्री सर्च

PPO x Family DRL ट्यूटोरियल कोर्स (निर्णय इंटेलिजेंस शुरुआती स्तर का सार्वजनिक कोर्स: एल्गोरिदम सिद्धांत को समझने, कोड लॉजिक को व्यवस्थित करने और निर्णय AI अनुप्रयोगों का अभ्यास करने में आपकी मदद करने के लिए 8 कक्षाएं)

औद्योगिक सर्च, रिकमेंडेशन और एडवरटाइजमेंट के लिए ऑसम डीप लर्निंग पेपर्स। ये एम्बेडिंग, मैचिंग, प्री-रैंकिंग, रैंकिंग, पोस्ट रैंकिंग, प्रासंगिकता, LLM और RL पर ध्यान केंद्रित करते हैं।

robosuite: रोबोट लर्निंग के लिए एक मॉड्यूलर सिमुलेशन फ्रेमवर्क और बेंचमार्क

शानदार रीज़निंग LLM ट्यूटोरियल/सर्वेक्षण/गाइड

Reinforcement Learning, An Introduction के समाधान

मानव पसंद के अनुसार भाषा मॉडल को ठीक करने के लिए एक मॉड्यूलर RL लाइब्रेरी

सबसे सरल, लचीला और व्यापक OpenAI Gym ट्रेडिंग वातावरण (OpenAI Gym द्वारा स्वीकृत)

PyTorch में क्लिप्ड ऑब्जेक्टिव Proximal Policy Optimization (PPO) का न्यूनतम कार्यान्वयन

ProtoMotions भौतिक रूप से सिमुलेटेड डिजिटल इंसानों और ह्यूमैनॉइड रोबोटों को प्रशिक्षित करने के लिए एक GPU-त्वरित सिमुलेशन और लर्निंग फ्रेमवर्क है।

ICCV2019 - मॉडल-आधारित डीप रिइंफोर्समेंट लर्निंग के साथ पेंट करना सीखना

डीप रेनफोर्समेंट लर्निंग: ज़ीरो टू हीरो!

कंट्रोलर्स को प्रशिक्षित करने के लिए मोशन इमिटेशन तरीकों का एक हल्का सूट।

verl-agent, veRL का एक विस्तार है, जिसे RL के माध्यम से LLM/VLM एजेंट्स को प्रशिक्षित करने के लिए डिज़ाइन किया गया है।

सिफ़ारिश (Recommendation), विज्ञापन (Advertising) और खोज (Search) के क्षेत्र में उद्योग के क्लासिक और अत्याधुनिक शोध पत्रों का संग्रह।

क्वाडकोप्टर नियंत्रण के सिंगल और मल्टी-एजेंट रीइंफोर्समेंट लर्निंग के लिए PyBullet Gymnasium वातावरण

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

DIAMOND (DIffusion As a Model Of eNvironment Dreams) एक रीइन्फोर्समेंट लर्निंग एजेंट है जिसे डिफ्यूजन वर्ल्ड मॉडल में प्रशिक्षित किया गया है। NeurIPS 2024 Spotlight।

1993 के गेम Doom पर आधारित Reinforcement Learning वातावरण :godmode: