rl

Comunidade chinesa Llama, reunindo em tempo real os materiais de estudo mais recentes sobre Llama, construindo o melhor ecossistema open source de grandes modelos Llama em chinês, totalmente aberto e comercializável.

Uma biblioteca elegante de aprendizado por reforço profundo em PyTorch.

Dopamine é um framework de pesquisa para prototipagem rápida de algoritmos de aprendizado por reforço.

Agent Reinforcement Trainer: treine agentes de múltiplas etapas para tarefas do mundo real usando GRPO. Dê aos seus agentes treinamento prático. Aprendizado por reforço para Qwen3.6, GPT-OSS, Llama e muito mais!

A ponte de RL para aplicações de agentes baseadas em LLM. Simples e flexível.

EasyR1: Um framework de treinamento de RL multimodal eficiente, escalável e baseado no veRL

Um currículo prático de código aberto que preenche a lacuna entre conceitos básicos de RL e alinhamento de LLM, RLVR e sistemas de agentes avançados.

O agent-sandbox permite o gerenciamento simples de cargas de trabalho isoladas, com estado e singleton, ideais para casos de uso como ambientes de execução de agentes de IA e aprendizado por reforço (RL).

Uma implementação do algoritmo AlphaZero para Gomoku (também conhecido como Gobang ou Cinco em Linha)

Uma biblioteca PyTorch modular, focada em primitivas e em Python para Aprendizado por Reforço.

Um framework de treinamento para agentes de aprendizado por reforço Stable Baselines3, incluindo otimização de hiperparâmetros e agentes pré-treinados.

Implementação de artigos científicos em 100 linhas de código.

MuZero

Uma pesquisa sobre Aprendizagem por Reforço para Modelos de Raciocínio de Grande Porte

Implementação de todos os algoritmos de RL de uma forma mais simples

Solução de RL escalável para raciocínio avançado de modelos de linguagem

[ICLR 2026] SimpleVLA-RL: Escalando o treinamento de VLA via aprendizado por reforço

Últimos avanços no raciocínio System-2

Entendendo o treinamento tipo R1-Zero: uma perspectiva crítica.

Curso sistemático de construção de Large Language Models | Abrange engenharia de dados de pré-treinamento, Tokenizer, Transformer, MoE, programação GPU (CUDA/Triton), treinamento distribuído, Scaling Laws, otimização de inferência e alinhamento (SFT/RLHF/GRPO) | 6 exercícios progressivos orientados a código para estabelecer uma visão full-stack de LLMs

[NeurIPS 2025] TTRL: Aprendizado por Reforço em Tempo de Teste (Test-Time Reinforcement Learning).

[ICLR 2026] Agentic Reinforced Policy Optimization (ARPO)

Aprendizado por reforço via autodestilação (SDPO)

A pilha de melhoria contínua para agentes. Nossos dados de ambiente e avaliações impulsionam a melhoria e o monitoramento de agentes.

Tensorlake é um runtime serverless para sandboxes e implantação de aplicações de agentes em segundo plano.

Sistemas de Inteligência de Risco nativos em IA, OpenDeRisk — seu gerenciador inteligente de riscos de sistemas de aplicação oferece proteção abrangente e profunda 24 horas por dia, 7 dias por semana.

Biblioteca Python para Aprendizado por Reforço

O "AI-Compass" guiará a comunidade na navegação pelo oceano da tecnologia de IA; seja você um iniciante ou um desenvolvedor avançado, encontrará aqui o caminho para as principais direções da IA. O objetivo é ajudar os desenvolvedores a entender sistematicamente os conceitos principais de IA, tecnologias tradicionais, tendências de ponta e dominar todo o processo, da teoria à implementação prática, por meio da prática.

Plataforma de robô humanoide de código aberto impressa em 3D para sim-to-real e RL.

MobileGym: Uma plataforma de simulação verificável e altamente paralela para pesquisa de agentes de GUI móveis · Simulador Android executado no navegador · Simulador Android hospedado no navegador · Avaliação Verificável · Treinamento RL online escalável