reinforcement-learning

ReSearch: Belajar Bernalar dengan Pencarian untuk LLM melalui Reinforcement Learning & ReCall: Belajar Bernalar dengan Pemanggilan Alat untuk LLM melalui Reinforcement Learning

Algoritma yang ringkas dan indah yang ditulis dalam Julia

Daftar kurasi sumber daya reinforcement learning berbasis model yang luar biasa (terus diperbarui)

Implementasi RL

Kucing robot yang dapat diprogram dan sangat lincah untuk pendidikan STEM serta layanan yang ditingkatkan AI.

SMAC: Tantangan Multi-Agen StarCraft

Deep Reinforcement Learning untuk navigasi robot seluler di simulator ROS Gazebo. Menggunakan jaringan saraf Twin Delayed Deep Deterministic Policy Gradient (TD3), robot belajar menavigasi ke titik tujuan acak di lingkungan simulasi sambil menghindari rintangan.

Kerangka kerja Deep Reinforcement Learning modular di PyTorch. Pustaka pendamping buku "Foundations of Deep Reinforcement Learning".

Implementasi PyTorch dari Soft Actor-Critic (SAC), Twin Delayed DDPG (TD3), Actor-Critic (AC/A2C), Proximal Policy Optimization (PPO), QT-Opt, PointNet..

Ekosistem aktif tempat agen AI menyelesaikan tugas melalui perulangan alur kerja, meningkatkan diri melalui eksekusi iteratif, dievaluasi oleh agen mentor atau manusia, dan mengubah pekerjaan selesai menjadi pengalaman kerja serta data yang dapat digunakan kembali untuk meningkatkan agen masa depan.

Implementasi Deep Q Learning (DQN & DDQN) minimal dalam Keras

Format standar untuk dataset reinforcement learning offline, dengan dataset referensi populer dan utilitas terkait

Catatan membaca makalah tentang Deep Learning dan Machine Learning

Implementasi PPO yang sederhana dan bergaya baik. Berdasarkan seri Medium saya: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8.

Penelitian RL pada perangkat Android.

Menghasilkan kumpulan faktor saham alfa formulaik (prediktif) melalui reinforcement learning.

Melatih robot humanoid untuk lokomosi menggunakan Reinforcement Learning

Catatan kuliah, tugas tutorial beserta solusinya, serta video online untuk kursus reinforcement learning yang diselenggarakan oleh Paderborn University

Kerangka kerja komputasi untuk reinforcement learning dalam kontrol lalu lintas

[ECCV 2026] MixGRPO: Membuka Efisiensi GRPO Berbasis Aliran dengan Campuran ODE-SDE

Evaluasi dan tingkatkan model serta agen menggunakan lingkungan

Mengevaluasi dan mereproduksi kebijakan manipulasi robot dunia nyata (misalnya, RT-1, RT-1-X, Octo) dalam simulasi di bawah pengaturan umum (misalnya, Google Robot, WidowX+Bridge) (CoRL 2024)

JMLR: OmniSafe adalah kerangka kerja infrastruktur untuk mempercepat riset SafeRL.

Pustaka komputasi evolusioner tingkat lanjut yang dibangun langsung di atas PyTorch, dibuat di NNAISENSE.

Sekolah Pelatihan RL Multi-Agen yang Dapat Diskalakan untuk Mengemudi Otonom

:computer: Belajar membuat mesin belajar agar Anda tidak perlu kesulitan memrogramnya; Daftar utama

Simulator robot ringan berbasis Python yang dirancang untuk navigasi, kontrol, dan pembelajaran

Embedding keterampilan adversarial untuk melatih pengontrol yang dapat digunakan kembali pada karakter yang disimulasikan secara fisik.

[ICLR 2026] Agentic Reinforced Policy Optimization (ARPO)

Kami memperkenalkan dataset Audio Logical Reasoning (ALR), yang terdiri dari 6.446 sampel anotasi teks-audio yang dirancang khusus untuk tugas penalaran kompleks. Berdasarkan sumber daya ini, kami mengusulkan SoundMind, sebuah algoritma reinforcement learning (RL) berbasis aturan yang dirancang untuk membekali model bahasa audio (ALM) dengan kemampuan penalaran bimodal yang mendalam.