reinforcement-learning

Bộ sưu tập các bài báo gần đây về xây dựng tác nhân tự hành. Bao gồm hai chủ đề: tác nhân dựa trên RL và tác nhân dựa trên LLM.

Các môi trường Gymnasium đa mục tiêu cho học tăng cường

Học tăng cường (Reinforcement Learning) cho các ứng dụng thời gian thực

Gói đóng góp cho Stable-Baselines3 - Mã học tăng cường (RL) thử nghiệm

Long-RL: Mở rộng RL cho các chuỗi dài (NeurIPS 2025)

Đây là dự án về thuật toán tránh chướng ngại vật tự động dựa trên học tăng cường sâu cho UAV.

Mã nguồn đi kèm cho ấn phẩm Nature "Discovering State-of-the-art Reinforcement Algorithms".

Các triển khai thuật toán Học tăng cường (Reinforcement Learning) và Lập kế hoạch (Planning)

Danh sách các tài nguyên học tập về Reinforcement Learning (RL) chất lượng (được cập nhật liên tục)

Công cụ poker dành cho phát triển AI poker bằng Python

Môi trường poker OpenAI gym cho Texas holdem với học tăng cường dựa trên keras-rl. Bao gồm kết xuất ảo và montecarlo để tính toán equity.

Mã nguồn cho bài báo "Tối ưu hóa giảm tải tính toán cho điện toán biên di động hỗ trợ UAV: Phương pháp Deep Deterministic Policy Gradient".

[COLM’25] DeepRetrieval — Huấn luyện Search Agent bằng RLVR với kết quả truy xuất.

Danh sách các bài báo nghiên cứu về tìm kiếm cây Monte Carlo kèm theo các bản triển khai

Nền tảng nghiên cứu AI cho học tăng cường từ hình ảnh toàn cảnh thực tế.

Học tăng cường với điều khiển dự báo mô hình (Model Predictive Control)

Bộ sưu tập Frontend và khảo sát các bài báo, mô hình về vision-language. Cập nhật liên tục.

Các thuật toán MARL đã được tinh chỉnh trên SMAC (tỷ lệ thắng 100% trong hầu hết các kịch bản)

ns3-gym - Sân chơi cho học tăng cường (Reinforcement Learning) trong nghiên cứu mạng.

Một khung thống nhất giúp học tăng cường dễ dàng trong các mô hình Flow-Matching

Triển khai các thuật toán Học tăng cường nghịch đảo (IRL) trong Python/Tensorflow. Deep MaxEnt, MaxEnt, LPIRL

Trình mô phỏng Hearthstone sử dụng C++ kết hợp học tăng cường

Một framework C++ cho MDP và POMDP với các liên kết Python

BenchMARL là một thư viện để đánh giá hiệu năng Học tăng cường đa tác nhân (MARL). BenchMARL cho phép so sánh nhanh các thuật toán, tác vụ và mô hình MARL khác nhau dựa trên hai nguyên tắc cốt lõi: khả năng tái lập và tiêu chuẩn hóa.

Thư viện PyTorch để xây dựng các tác nhân học tăng cường sâu

Vòng đời hoàn chỉnh của một dự án khoa học dữ liệu

Một gói học tăng cường (reinforcement learning) dành cho Julia.

Những tiến bộ mới nhất về suy luận chuỗi tư duy dài (Long Chain-of-Thought).

♟️ Môi trường trò chơi RL được vector hóa trong JAX

Trang dự án cho "Seg-Zero: Reasoning-Chain Guided Segmentation via Cognitive Reinforcement".