reinforcement-learning

Vowpal Wabbit adalah sistem pembelajaran mesin yang mendorong batas pembelajaran mesin dengan teknik seperti online, hashing, allreduce, reductions, learning2search, active, dan interactive learning.

Lingkungan pembelajaran StarCraft II

Implementasi RLHF (Reinforcement Learning with Human Feedback) di atas arsitektur PaLM. Pada dasarnya seperti ChatGPT tetapi menggunakan PaLM

Menjadi peneliti/insinyur AI/ML yang mahir dengan buku teks tidak konvensional yang mencakup matematika, komputasi, dan ML dengan pendekatan intuitif.

Daftar bacaan untuk topik penelitian dalam machine learning multimodal.

Kumpulan makalah, blog, dan proyek LLM, dengan fokus pada OpenAI o1 🍓 dan teknik penalaran.

Kursus pembelajaran penguatan (reinforcement learning) di lapangan.

🔬 Daftar pilihan LLM, strategi deep learning & alat luar biasa di pasar keuangan.

Mooncake adalah platform layanan untuk Kimi, layanan LLM terkemuka yang disediakan oleh Moonshot AI.

Daftar terkurasi dari metode self-supervised yang luar biasa

Meningkatkan reinforcement learning

Menyelesaikan Pemahaman Visual dengan VLM yang Diperkuat

Mendemokratisasi Reinforcement Learning untuk LLM.

Jembatan RL untuk aplikasi Agent berbasis LLM. Dibuat sederhana & fleksibel.

OpenSpiel adalah koleksi lingkungan dan algoritma untuk penelitian dalam reinforcement learning umum serta pencarian/perencanaan dalam permainan.

Framework robot peliharaan berkaki empat sumber terbuka untuk mengembangkan robot berkaki empat gaya Boston Dynamics yang sempurna untuk STEM, pendidikan coding & robotika, aplikasi robotika IoT, layanan aplikasi robotika yang diperkaya AI, penelitian, dan pengembangan kit robotika DIY.

Mesin pelatihan generasi berikutnya yang dibangun untuk model MoE skala ultra-besar.

Repositori untuk program Nanodegree Deep Reinforcement Learning.

EasyR1: Kerangka kerja pelatihan RL multi-modalitas yang efisien dan dapat diskalakan berdasarkan veRL.

Mengimplementasikan penalaran LLM di PyTorch dari awal, langkah demi langkah.

Repositori ini berisi kursus Deep Reinforcement Learning dari Hugging Face.

100+ peta algoritma LLM / RL orisinal, karya penulis 《大模型算法》.

Repositori untuk pelatihan terdistribusi model bahasa dengan Reinforcement Learning via Human Feedback (RLHF).

RLinf: Infrastruktur Reinforcement Learning untuk Embodied AI dan Agentic AI

Tumpukan perangkat lunak Google DeepMind untuk simulasi berbasis fisika dan lingkungan Reinforcement Learning, menggunakan MuJoCo.

[ICML 2021] DouZero: Menguasai DouDizhu dengan Deep Reinforcement Learning Berbasis Self-Play | AI DouDizhu

Implementasi bersih berbasis AlphaZero untuk game apa pun di framework apa pun + tutorial + Othello/Gobang/TicTacToe/Connect4 dan lainnya

Daftar kurasi sumber daya reinforcement learning with human feedback (diperbarui secara berkala).

Deep Reinforcement Learning yang sangat paralel.

Kurikulum praktis sumber terbuka yang menjembatani kesenjangan dari konsep dasar RL ke penyelarasan LLM, RLVR, dan sistem agen tingkat lanjut.