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

Pacote contrib para Stable-Baselines3 - Código experimental de aprendizado por reforço (RL).

Uma lista selecionada de artigos sobre busca em árvore de Monte Carlo com implementações.

Plataforma de pesquisa de IA para aprendizado por reforço a partir de imagens panorâmicas reais.

Repositório oficial para DR Tulu: Aprendizado por Reforço com Rubricas em Evolução para Pesquisa Profunda

Implementação de algoritmos de Reinforcement Learning Inverso (IRL) em Python/Tensorflow. Deep MaxEnt, MaxEnt, LPIRL

Simulador de Hearthstone usando C++ com aprendizado por reforço

BenchMARL é uma biblioteca para benchmark de Multi-Agent Reinforcement Learning (MARL). O BenchMARL permite comparar rapidamente diferentes algoritmos, tarefas e modelos de MARL, mantendo-se sistematicamente fundamentado em seus dois principais pilares: reprodutibilidade e padronização.

Últimos avanços em raciocínio de cadeia de pensamento longa (Long Chain-of-Thought)

[NeurIPS 2022] 🛒WebShop: Rumo à interação web escalável no mundo real com agentes de linguagem baseados em solo

Implementações de ROS2-Control para robôs quadrúpedes, incluindo sim2real

Meta Agents Research Environments é uma plataforma abrangente projetada para avaliar agentes de IA em cenários dinâmicos e realistas. Ao contrário de benchmarks estáticos, esta plataforma introduz ambientes em evolução onde os agentes devem adaptar suas estratégias à medida que novas informações se tornam disponíveis, espelhando os desafios do mundo real.

Implementações de algoritmos de Aprendizado por Reforço Multi-Objetivo.

DeepThinkVLA: Aprimorando a capacidade de raciocínio de modelos de visão-linguagem-ação

Um Gym para LLMs baseadas em agentes

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