reinforcement-learning

ReSearch: Học suy luận với tìm kiếm cho LLM thông qua Reinforcement Learning & ReCall: Học suy luận với gọi công cụ cho LLM thông qua Reinforcement Learning

Các thuật toán ngắn gọn và đẹp mắt được viết bằng Julia

Danh sách tổng hợp các tài nguyên học tăng cường dựa trên mô hình tuyệt vời (được cập nhật liên tục)

Các triển khai RL.

Mèo robot có thể lập trình và linh hoạt cao dành cho giáo dục STEM và các dịch vụ tích hợp AI.

SMAC: Thử thách đa tác nhân StarCraft.

Framework Deep Reinforcement Learning mô-đun trong PyTorch. Thư viện đi kèm của cuốn sách "Foundations of Deep Reinforcement Learning".

Học tăng cường sâu cho điều hướng robot di động trong trình mô phỏng ROS Gazebo. Sử dụng mạng nơ-ron Twin Delayed Deep Deterministic Policy Gradient (TD3), robot học cách di chuyển đến một điểm đích ngẫu nhiên trong môi trường mô phỏng đồng thời tránh các chướng ngại vật.

Bản cài đặt bằng PyTorch của Soft Actor-Critic (SAC), Twin Delayed DDPG (TD3), Actor-Critic (AC/A2C), Proximal Policy Optimization (PPO), QT-Opt, PointNet..

Hệ sinh thái sống động nơi các AI agent hoàn thành nhiệm vụ thông qua các vòng lặp quy trình làm việc, cải thiện thông qua thực thi lặp đi lặp lại, được đánh giá bởi các agent cố vấn hoặc con người trong vòng lặp, và biến công việc đã hoàn thành thành kinh nghiệm làm việc và dữ liệu có thể tái sử dụng để cải thiện các agent trong tương lai.

Các triển khai Deep Q Learning (DQN & DDQN) tối giản trong Keras

Định dạng chuẩn cho các tập dữ liệu học tăng cường ngoại tuyến (offline reinforcement learning), đi kèm các tập dữ liệu tham chiếu phổ biến và các tiện ích liên quan

Ghi chú đọc tài liệu về Deep Learning và Machine Learning

Một bản cài đặt PPO đơn giản và có phong cách. Dựa trên chuỗi bài viết trên Medium của tôi: https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8.

Nghiên cứu RL trên thiết bị Android.

Tạo các tập hợp nhân tố cổ phiếu alpha (dự đoán) dạng công thức thông qua học tăng cường.

Đào tạo robot hình người di chuyển bằng Học tăng cường

Ghi chú bài giảng, bài tập hướng dẫn kèm theo lời giải cũng như video trực tuyến cho khóa học học tăng cường do Đại học Paderborn tổ chức

Khung tính toán học tăng cường trong điều khiển giao thông

[ECCV 2026] MixGRPO: Mở khóa hiệu suất GRPO dựa trên Flow với Mixed ODE-SDE

Đánh giá và cải thiện các model và agent bằng cách sử dụng các môi trường

Đánh giá và tái tạo các chính sách điều khiển robot trong thế giới thực (ví dụ: RT-1, RT-1-X, Octo) trong mô phỏng với các thiết lập phổ biến (ví dụ: Google Robot, WidowX+Bridge) (CoRL 2024)

JMLR: OmniSafe là một framework cơ sở hạ tầng nhằm đẩy nhanh nghiên cứu về SafeRL.

Thư viện tính toán tiến hóa tiên tiến được xây dựng trực tiếp trên PyTorch, tạo bởi NNAISENSE.

Trường đào tạo RL đa tác nhân có khả năng mở rộng cho xe tự lái.

Học cách làm cho máy học để bạn không phải vật lộn lập trình chúng; Danh sách cuối cùng

Một trình mô phỏng robot hạng nhẹ dựa trên Python được thiết kế cho việc điều hướng, điều khiển và học tập

Embedding kỹ năng đối kháng để huấn luyện bộ điều khiển có thể tái sử dụng cho nhân vật giả lập vật lý.

[ICLR 2026] Tối ưu hóa chính sách tăng cường dựa trên tác nhân (ARPO)

Chúng tôi giới thiệu bộ dữ liệu Suy luận Lô-gic Âm thanh (ALR), bao gồm 6.446 mẫu được chú thích văn bản-âm thanh được thiết kế đặc biệt cho các tác vụ suy luận phức tạp. Dựa trên tài nguyên này, chúng tôi đề xuất SoundMind, một thuật toán học tăng cường (RL) dựa trên quy tắc được điều chỉnh để trang bị cho các mô hình ngôn ngữ âm thanh (ALM) khả năng suy luận hai phương thức sâu sắc.