ppo

強化学習の中国語チュートリアル（蘑菇书🍄）、オンライン閲覧アドレス：https://datawhalechina.github.io/easy-rl/

エレガントなPyTorchディープ強化学習ライブラリ。

研究フレンドリーな機能（PPO, DQN, C51, DDPG, TD3, SAC, PPG）を備えた、高品質な単一ファイルでの深層強化学習アルゴリズムの実装。

シンプルな強化学習チュートリアル、莫烦Python 中文AI教学

Deep Reinforcement Learning NanoDegreeプログラムのリポジトリ

大規模並列深層強化学習 🔥

🚀 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

FinRL-X: クオンツ取引向けの AI ネイティブなモジュール式インフラストラクチャ。

PyTorchによる深層強化学習アルゴリズムのモジュール化された実装

主要な深層強化学習（DRL）アルゴリズムのクリーン、堅牢、かつ統一された PyTorch 実装（Q-learning, Duel DDQN, PER, C51, Noisy DQN, PPO, DDPG, TD3, SAC, ASL）

PyTorch によるクリップ目的関数 Proximal Policy Optimization (PPO) の最小限の実装

Multi-Agent PPO (MAPPO) の公式実装です。

PyTorchによるモジュール式深層強化学習フレームワーク。書籍「Foundations of Deep Reinforcement Learning」の補助ライブラリ。

シンプルでスタイリッシュな PPO の実装。Medium の連載シリーズに基づいています: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8

強化学習を用いた人型ロボットの歩行訓練。

非常に高速なエンドツーエンドのJax RL実装

XuanCe：包括的かつ統一された深層強化学習ライブラリ

DPO、KTO、PPO、ORPO、およびその他のヒューマンアウェア損失関数（HALO）の拡張可能な実装を提供するライブラリ

コードを1行も書かずにエージェントの訓練、可視化、評価を即座に行うためのRLスターターファイル

このリポジトリには、DQN、DDQN、Dueling Network、DDPG、SAC、A2C、PPO、TRPOなどの古典的な深層強化学習アルゴリズムに基づくPyTorch実装の大半が含まれています（その他のアルゴリズムも順次追加予定）

🌾 OAT：強化学習や好みの学習などを含む、LLMオンラインアライメント向けの研究しやすいフレームワーク。

深層強化学習エージェントを構築するためのPyTorchライブラリ

RLAnything (ICML 2026) & AutoTool (ICML 2026)、DemyAgent: LLM およびエージェントシナリオ向けのオープンソース RL

LLM の簡単かつ効率的なファインチューニング。（Llama、Llama2、Llama3、Qwen、Baichuan、GLM、Falcon をサポート）大模型高效量化训练+部署。

動画生成における強化学習に関する論文のキュレーションリスト

自動運転 (Carla) における深層強化学習 (PPO) のスクラッチ実装