rl

Llama中国コミュニティ。最新のLlama学習資料をリアルタイムで集約し、完全オープンソースで商用利用可能な最高の中国語Llama大規模モデルエコシステムを構築。

エレガントなPyTorchディープ強化学習ライブラリ。

Dopamineは、強化学習アルゴリズムの高速プロトタイピングのための研究フレームワークです。

Agent Reinforcement Trainer: GRPOを用いた実世界タスク向けマルチステップエージェントの訓練。エージェントに現場トレーニングを提供。Qwen3.6、GPT-OSS、Llamaなどに対応した強化学習！

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。

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

🚀 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

agent-sandbox は、分離されたステートフルなシングルトンワークロードの簡単な管理を可能にし、AI エージェントランタイムや強化学習（RL）などのユースケースに最適です。

五目並べのためのAlphaZeroアルゴリズムの実装

強化学習のための、モジュール式でプリミティブ中心の Python ファーストな PyTorch ライブラリ

Stable Baselines3 強化学習エージェントのためのトレーニングフレームワーク。ハイパーパラメータ最適化と事前トレーニング済みエージェントが含まれています。

100行のコードによる論文の実装

MuZero

大規模推論モデルのための強化学習サーベイ

強化学習アルゴリズムをよりシンプルに実装

言語モデルの高度な推論のためのスケーラブルな RL ソリューション

[ICLR 2026] SimpleVLA-RL: 強化学習による VLA トレーニングのスケーリング

System-2 推論に関する最新の進展

R1-Zero-Likeトレーニングの理解：批判的視点

🎓 LLM（大規模言語モデル）構築の体系的カリキュラム｜🛠️ 事前学習データエンジニアリング、Tokenizer、Transformer、MoE、GPUプログラミング（CUDA/Triton）、分散学習、スケーリング則、推論最適化、アライメント（SFT/RLHF/GRPO）を網羅｜🚀 6つの段階的な課題とコード駆動により、LLMのフルスタックな認知体系を構築

[NeurIPS 2025] TTRL: テスト時強化学習

[ICLR 2026] エージェント型強化ポリシー最適化 (ARPO)

自己蒸留による強化学習 (SDPO)

エージェントのための継続的改善スタック。環境データと評価機能により、エージェントの改善とモニタリングを駆動します。

Tensorlakeは、サンドボックスおよびバックグラウンドエージェントアプリケーションのデプロイメントのためのサーバーレスランタイムです

AIネイティブなリスクインテリジェンスシステム「OpenDeRisk」——アプリケーションシステムの24時間365日の包括的かつ詳細な保護を提供するリスクインテリジェントマネージャー

強化学習用の Python ライブラリ

「AI-Compass」は、AI 技術の海原を航海するための指針をコミュニティに提供します。初心者から上級開発者まで、AI のあらゆる分野への道を見つけることができます。開発者が AI のコアコンセプト、主要技術、最新トレンドを体系的に理解し、実践を通じて理論から実装までの全プロセスを習得することを目的としています。

sim-to-realおよび強化学習（RL）向けの3Dプリント製オープンソースヒューマノイドロボットプラットフォーム

MobileGym: モバイル GUI エージェント研究のための検証可能かつ高度に並列化されたシミュレーションプラットフォーム · ブラウザで動作する Android シミュレータ · Browser-hosted Android Simulator · 検証可能な評価 · スケーラブルなオンライン RL トレーニング