reinforcement-learning

Vowpal Wabbitは、オンライン、ハッシュ化、allreduce、削減、learning2search、アクティブ、インタラクティブ学習などの技術により、機械学習の最前線を押し進める機械学習システム。

StarCraft II 学習環境

PaLMアーキテクチャ上に実装されたRLHF (Reinforcement Learning with Human Feedback)。基本的にChatGPTだがPaLMを使用している。

この型破りな教科書で、直感的な数学、コンピューティング、MLを網羅し、AI/MLの研究者/エンジニアになる。

マルチモーダル機械学習の研究トピックに関する読書リスト

OpenAI o1 🍓および推論技術に焦点を当てた、LLMの論文、ブログ、プロジェクトのコレクション

実環境における強化学習のコース

🔬 金融市場における素晴らしいLLM、深層学習戦略、ツールの厳選リスト。

Mooncakeは、Moonshot AIが提供する主要なLLMサービスKimiの提供プラットフォームです。

素晴らしい自己教師あり学習手法の厳選リスト。

強化学習の強化（膨らませる）

強化学習されたVLMによる視覚理解を解決する

LLMのための強化学習の民主化

LLMベースのエージェントアプリケーションのためのRL Bridge。シンプルかつ柔軟に設計されています。

OpenSpielは、一般的な強化学習およびゲームにおける探索/計画の研究のための環境とアルゴリズムのコレクションです。

Boston Dynamicsスタイルの四足ロボットを開発するためのオープンソースの四足ロボットペットフレームワーク。STEM、コーディング＆ロボティクス教育、IoTロボティクスアプリケーション、AI強化型ロボティクスアプリケーションサービス、研究、DIYロボティクスキット開発に最適です。

超大規模MoEモデル向けに構築された次世代トレーニングエンジン

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

EasyR1: veRLに基づいた、効率的でスケーラブルなマルチモーダルRLトレーニングフレームワーク

PyTorchで推論LLMをゼロから、ステップバイステップで実装。

このリポジトリには、Hugging Faceの深層強化学習コースが含まれています。

🌟100以上のオリジナルLLM/RL原理図📚、『大模型算法』著者による豪華提供！💥（100+ LLM/RL Algorithm Maps）

人間からのフィードバックによる強化学習 (RLHF) を用いた言語モデルの分散学習のためのリポジトリ

RLinf: 具現化されたエージェンシーAIのための強化学習インフラストラクチャ

Google DeepMindによる、MuJoCoを使用した物理ベースシミュレーションおよび強化学習環境のためのソフトウェアスタック。

[ICML 2021] DouZero: 自己対戦型深層強化学習によるDouDizhuの習得 | 斗地主AI

AlphaZeroに基づいた、あらゆるフレームワークのあらゆるゲームに対応したクリーンな実装 + チュートリアル + Othello/Gobang/TicTacToe/Connect4など

人間フィードバックによる強化学習（Reinforcement Learning with Human Feedback）のリソースを厳選したリスト（継続的に更新中）。

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