rl

Cộng đồng Llama tiếng Trung, tổng hợp thời gian thực tài liệu học tập Llama mới nhất, xây dựng hệ sinh thái mã nguồn mở mô hình lớn Llama tiếng Trung tốt nhất, hoàn toàn mã nguồn mở và có thể thương mại hóa

Một thư viện học tăng cường sâu PyTorch trang nhã.

Dopamine là một framework nghiên cứu để tạo mẫu nhanh các thuật toán học tăng cường.

Agent Reinforcement Trainer: huấn luyện các agent nhiều bước cho các tác vụ thực tế bằng GRPO. Cung cấp đào tạo tại chỗ cho các agent của bạn. Học tăng cường (Reinforcement learning) cho Qwen3.6, GPT-OSS, Llama và nhiều mô hình khác!

Cầu nối RL cho các ứng dụng tác nhân dựa trên LLM. Đơn giản & Linh hoạt.

EasyR1: Khung huấn luyện RL đa phương thức hiệu quả, có thể mở rộng dựa trên veRL

🚀 Chương trình giảng dạy thực hành mã nguồn mở thu hẹp khoảng cách từ các khái niệm RL cơ bản đến căn chỉnh LLM, RLVR và các hệ thống Agentic nâng cao.

agent-sandbox cho phép quản lý dễ dàng các workload cô lập, có trạng thái (stateful) và singleton, lý tưởng cho các trường hợp sử dụng như runtime của AI agent và học tăng cường (RL).

Bản cài đặt thuật toán AlphaZero cho trò chơi cờ caro (Gomoku hoặc Gobang)

Một thư viện PyTorch mô-đun, hướng nguyên thủy và hướng Python dành cho Học tăng cường (Reinforcement Learning).

Khung huấn luyện cho các agent học tăng cường Stable Baselines3, bao gồm tối ưu hóa siêu tham số và các agent được huấn luyện sẵn.

Triển khai các tài liệu nghiên cứu trong 100 dòng mã.

MuZero

Khảo sát về Học tăng cường cho các Mô hình Suy luận Lớn

Cài đặt tất cả các thuật toán RL theo cách đơn giản hơn

Giải pháp RL có khả năng mở rộng cho lập luận nâng cao của các mô hình ngôn ngữ

[ICLR 2026] SimpleVLA-RL: Tăng tỷ lệ huấn luyện VLA thông qua Học tăng cường

Những Tiến Bộ Mới Nhất về Suy Luận Hệ Thống-2

Hiểu về quá trình huấn luyện kiểu R1-Zero: Góc nhìn phản biện

🎓 Khóa học xây dựng Large Language Model có hệ thống ｜🛠️ Bao gồm kỹ thuật dữ liệu tiền huấn luyện, Tokenizer, Transformer, MoE, lập trình GPU (CUDA/Triton), huấn luyện phân tán, Scaling Laws, tối ưu hóa suy luận và căn chỉnh (SFT/RLHF/GRPO) ｜🚀 6 bài tập lũy tiến + hướng dẫn bằng mã nguồn, xây dựng hệ thống nhận thức toàn diện về LLM

[NeurIPS 2025] TTRL: Học tăng cường trong thời gian thử nghiệm

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

Học tăng cường thông qua tự chưng cất (SDPO)

Stack cải tiến liên tục dành cho Agent. Dữ liệu môi trường và các bài đánh giá của chúng tôi hỗ trợ cải thiện và giám sát agent.

Tensorlake là một runtime không máy chủ (serverless) dành cho sandbox và triển khai các ứng dụng agentic nền

Hệ thống tình báo rủi ro gốc AI, OpenDeRisk — Trình quản lý thông minh rủi ro hệ thống ứng dụng của bạn cung cấp sự bảo vệ toàn diện và sâu sắc 24/7.

Thư viện Python cho Học tăng cường.

“AI-Compass” sẽ định hướng cho cộng đồng khi điều hướng trong đại dương công nghệ AI, dù bạn là người mới bắt đầu hay nhà phát triển nâng cao, bạn đều có thể tìm thấy con đường dẫn đến các hướng đi lớn của AI tại đây. Nhằm giúp nhà phát triển hiểu một cách có hệ thống các khái niệm cốt lõi, công nghệ chủ đạo, xu hướng biên giới của AI, và nắm vững toàn bộ quá trình từ lý thuyết đến thực tiễn thông qua thực hành.

Nền tảng robot hình người mã nguồn mở in 3D cho sim-to-real và RL

MobileGym: Nền tảng mô phỏng có thể kiểm chứng và song song hóa cao cho nghiên cứu tác nhân GUI di động · Trình mô phỏng Android chạy trên trình duyệt · Đánh giá có thể kiểm chứng · Đào tạo RL trực tuyến có khả năng mở rộng