rl

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

Stable-Baselines3向けContribパッケージ - 実験的な強化学習（RL）コード

実装付きのモンテカルロ木探索（MCTS）論文のキュレーションリスト

実世界のパノラマ画像からの強化学習用AIリサーチプラットフォーム

DR Tulu の公式リポジトリ：Deep Research 向けの進化するルーブリックを用いた強化学習

Python/Tensorflow による逆強化学習（IRL）アルゴリズムの実装。Deep MaxEnt、MaxEnt、LPIRL

C++と強化学習を使用したHearthstoneシミュレーター

BenchMARLは、マルチエージェント強化学習（MARL）のベンチマークを行うためのライブラリです。BenchMARLを使用することで、「再現性」と「標準化」という2つの核心的原則に基づき、さまざまなMARLアルゴリズム、タスク、モデルを迅速に比較できます。

Long Chain-of-Thought 推論における最新の進展

[NeurIPS 2022] 🛒WebShop: グラウンデッド言語エージェントによるスケーラブルな実世界Webインタラクションに向けて

四足歩行ロボット向けの ROS2-Control 実装（sim2real を含む）。

Meta Agents Research Environments は、動的かつ現実的なシナリオで AI エージェントを評価するために設計された包括的なプラットフォームです。静的なベンチマークとは異なり、このプラットフォームは、新しい情報が利用可能になるにつれてエージェントが戦略を適応させなければならない進化する環境を導入し、現実世界の課題を反映しています。

多目的強化学習アルゴリズムの実装

DeepThinkVLA：視覚・言語・行動（VLA）モデルの推論能力の向上

エージェント型 LLM のためのジム環境

Official implementation of GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL Optimization