walkinglabs/hands-on-modern-rl

🚀 基本的なRLの概念からLLMアライメント、RLVR、高度なエージェンティックシステムへのギャップを埋めるオープンソースの実践的カリキュラム

↗ GitHub で開く

スター

4,199

フォーク

303

言語

Python

ライセンス

NOASSERTION

最終プッシュ

2 週間前

Python agent llm rl pytorch tutorial agentic-ai reinforcement-learning agentic rlhf ppo agentic-rl grpo dpo sft reinforcement llm-alignment

関連 Intel はまだありません

このリポジトリは radar が追跡するソースにまだ登場していません。コレクターはスケジュールで動いています——このリポジトリがカバーされたらまた見てください。