reinforcement-learning

Vowpal Wabbit 是一套机器学习系统，通过在线学习、哈希、allreduce、reduction、learning2search、主动与互动式学习等技术推动机器学习前沿

星际争霸 II 学习环境

在 PaLM 架构之上实现 RLHF（带人类反馈的强化学习）。基本上是 ChatGPT，但使用 PaLM。

通过这本非传统教材，成为破解 AI/ML 研究员/工程师，涵盖数学、计算与机器学习直观概念。

多模态机器学习研究主题阅读清单

收集 LLM 论文、博客与项目，聚焦 OpenAI o1 🍓 与推理技术

野外强化学习课程

🔬 精选金融市场中的优秀 LLM 与深度学习策略与工具清单。

Mooncake 是 Moonshot AI 提供的领先 LLM 服务 Kimi 的服务平台

精选的自监督方法列表

扩张强化学习

使用强化式 VLM 解决视觉理解问题。

让大型语言模型的强化学习更普及

LLM 基于代理应用的 RL Bridge，简单且灵活

OpenSpiel 是一个环境与算法集合，用于一般强化学习研究以及游戏中的搜索/规划

一个开源四足机器人宠物框架，用于开发类似 Boston Dynamics 的四足机器人，适合 STEM、编码与机器人教育、IoT 机器人应用、AI 强化机器人服务、研究以及 DIY 机器人套件开发。

为超大型 MoE 模型打造的下一代训练引擎

Deep Reinforcement Learning Nanodegree 课程的仓库

EasyR1：一个基于 veRL 的高效、可扩展、多模态 RL 训练框架。

从零开始在 PyTorch 中实现推理 LLM，逐步说明

此仓库包含 Hugging Face 深度强化学习课程

🌟100+ 原创 LLM / RL 原理图📚，《大模型算法》作者巨献！💥（100+ LLM/RL Algorithm Maps ）

一个使用 RLHF 的分散式语言模型训练仓库

RLinf：面向具身与代理 AI 的强化学习基础设施

Google DeepMind 的软件堆栈，用于物理模拟与强化学习环境，采用 MuJoCo

[ICML 2021] DouZero: Mastering DouDizhu with Self-Play Deep Reinforcement Learning | 斗地主 AI

基于 AlphaZero 的干净实现，适用于任何框架的任何游戏 + 教学 + Othello/围棋/井字棋/四子棋 等

一份经过精选的强化学习与人类反馈资源列表（持续更新）

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