rl

Komunitas Llama bahasa Mandarin, mengumpulkan materi pembelajaran Llama terbaru secara real-time, membangun ekosistem open source model besar Llama bahasa Mandarin terbaik, sepenuhnya open source dan dapat digunakan secara komersial.

Pustaka deep reinforcement learning PyTorch yang elegan.

Dopamine adalah kerangka kerja penelitian untuk pembuatan prototipe algoritma reinforcement learning secara cepat

Agent Reinforcement Trainer: melatih agen multi-langkah untuk tugas dunia nyata menggunakan GRPO. Berikan pelatihan langsung kepada agen Anda. Reinforcement learning untuk Qwen3.6, GPT-OSS, Llama, dan banyak lagi!

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

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

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

agent-sandbox memungkinkan pengelolaan beban kerja singleton yang terisolasi dan stateful dengan mudah, ideal untuk kasus penggunaan seperti runtime agen AI dan reinforcement learning (RL).

Implementasi algoritma AlphaZero untuk Gomoku (juga dikenal sebagai Gobang atau Five in a Row)

Library PyTorch yang modular, mengutamakan primitif, dan berbasis Python untuk Reinforcement Learning.

Kerangka kerja pelatihan untuk agen pembelajaran penguatan Stable Baselines3, termasuk optimasi hiperparameter dan agen yang telah dilatih sebelumnya.

Implementasi makalah dalam 100 baris kode.

MuZero

Survei Pembelajaran Penguatan untuk Model Penalaran Besar

Implementasi semua algoritma RL dengan cara yang lebih sederhana

Solusi RL yang dapat diskalakan untuk penalaran tingkat lanjut pada model bahasa.

[ICLR 2026] SimpleVLA-RL: Menskalakan pelatihan VLA melalui Reinforcement Learning

Kemajuan Terbaru dalam Penalaran System-2

Memahami Pelatihan Mirip R1-Zero: Perspektif Kritis

🎓 Kursus pembangunan Large Language Model yang sistematis | 🛠️ Mencakup teknik data pre-training, Tokenizer, Transformer, MoE, pemrograman GPU (CUDA/Triton), pelatihan terdistribusi, Scaling Laws, optimasi inferensi, dan alignment (SFT/RLHF/GRPO) | 🚀 6 tugas progresif + berbasis kode, membangun pemahaman tumpukan penuh LLM

[NeurIPS 2025] TTRL: Pembelajaran Penguatan Saat Waktu Pengujian (Test-Time Reinforcement Learning)

[ICLR 2026] Agentic Reinforced Policy Optimization (ARPO)

Reinforcement Learning via Self-Distillation (SDPO)

Stack Peningkatan Berkelanjutan untuk Agen. Data lingkungan dan evaluasi kami mendukung peningkatan dan pemantauan agen.

Tensorlake adalah runtime serverless untuk sandbox dan penerapan aplikasi agen latar belakang

Sistem Intelijen Risiko Berbasis AI, OpenDeRisk——Manajer risiko sistem aplikasi Anda yang memberikan perlindungan menyeluruh dan mendalam 7*24 jam.

Pustaka Python untuk Reinforcement Learning.

“AI-Compass” akan memandu komunitas dalam menavigasi lautan teknologi AI. Baik Anda pemula maupun pengembang tingkat lanjut, Anda dapat menemukan jalur ke berbagai arah AI di sini. Bertujuan untuk membantu pengembang memahami konsep inti AI, teknologi utama, dan tren terkini secara sistematis, serta menguasai seluruh proses dari teori hingga implementasi melalui praktik.

Platform robot humanoid open-source cetak 3D untuk simulasi-ke-nyata dan RL

MobileGym: Platform Simulasi yang Dapat Verifikasi dan Sangat Pararel untuk Penelitian Agen GUI Seluler · Simulator Android yang berjalan di browser · Simulator Android Berbasis Browser · Evaluasi yang Dapat Verifikasi · Pelatihan RL Online yang Dapat Skala