ppo

强化学习中文教程（蘑菇书🍄），在线阅读地址：https://datawhalechina.github.io/easy-rl/

优雅的 PyTorch 深度强化学习库

高质量单文件实现深度强化学习算法，具研究友好特性（PPO、DQN、C51、DDPG、TD3、SAC、PPG）

简单的强化学习教学，莫烦Python 中文AI教学

Deep Reinforcement Learning Nanodegree 课程的仓库

大规模并行深度强化学习。🔥

🚀 一个开源、实作导向的课程，弥合基础 RL 概念与 LLM 对齐、RLVR 及进阶代理系统之间的差距

FinRL‑X：面向量化交易的 AI 原生模块化基础设施

PyTorch 深度 RL 算法模块化实现

干净、稳健且统一的 PyTorch 实现，涵盖热门深度强化学习（DRL）算法（Q-learning、Duel DDQN、PER、C51、Noisy DQN、PPO、DDPG、TD3、SAC、ASL）

在 PyTorch 中最小化实现截断目标的近端策略优化（PPO）

这是 Multi-Agent PPO (MAPPO) 的官方实现。

基于 PyTorch 的模块化深度强化学习框架。《Foundations of Deep Reinforcement Learning》一书的配套库。

一个简单且风格良好的 PPO 实现。基于我的 Medium 系列文章：https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8

使用强化学习训练人形机器人进行移动

极速的端到端 Jax RL 实现

XuanCe：一个全面且统一的深度强化学习库

一个具有 DPO、KTO、PPO、ORPO 及其他人类意识损失函数（HALO）可扩展实现的库。

RL 入门文件，无需编写任何代码即可立即训练、可视化与评估智能体

此仓库包含大多数基于经典深度强化学习算法的 PyTorch 实现，包含：DQN、DDQN、Dueling Network、DDPG、SAC、A2C、PPO、TRPO。（更多算法持续开发中）

🌾 OAT：一个对研究友好的 LLM 在线对齐框架，包含强化学习、偏好学习等。

用于构建深度强化学习智能体的 PyTorch 库

RLAnything (ICML 2026) 与 AutoTool (ICML 2026)，DemyAgent：用于 LLM 与 Agent 场景的开源强化学习

简单且高效的 LLM 微调工具（支持 LLaMA、LLaMA2、LLaMA3、Qwen、Baichuan、GLM、Falcon），大模型高效量化训练与部署。

关于视频生成强化学习的精选论文列表。

自动驾驶（Carla）中的深度强化学习（PPO）[从零开始]