reinforcement-learning

🤖 机器学习暑期学校指南

TF-Agents：一个可靠、可扩展且易于使用的 TensorFlow 库，用于上下文赛局（Contextual Bandits）和强化学习

深度学习与深度强化学习研究论文及部分代码

基于 MuJoCo-Warp 的 Isaac Lab API，用于强化学习和机器人研究

用于物理 AI 研究与在富接触环境中部署的完全开源人形机械手臂。

用于 Stable Baselines3 强化学习智能体的训练框架，包含超参数优化与预训练智能体。

用 100 行代码实现论文

MuZero

简单且全面的 TensorFlow 教程

企业级 AI 代理（Agent）库，旨在普及人工智能，并为估值过高的 Y Combinator 初创公司提供免费、开源的替代方案。

RAGEN 利用强化学习在交互式随机环境中训练 LLM 推理 Agent。

在 JAX 中实现的 蒙特卡洛树搜索。

PPO x Family DRL 教程课程（决策智能入门级公开课：8节课帮你盘清算法理论，理顺代码逻辑，玩转决策AI应用实践 ）

用于工业级搜索、推荐和广告的精选深度学习论文。专注于 Embedding、Matching、Pre-Ranking、Ranking、Post Ranking、Relevance、LLM 和 RL。请引用我们的论文 "Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives" (TOIS 2026)。

robosuite：用于机器人学习的模块化模拟框架与基准测试

强大推理能力 LLM 的教学、调查与指南资源集合

《Reinforcement Learning: An Introduction》解答

一个用于根据人类偏好微调语言模型的模块化 RL 库

最简单、灵活且完整的 OpenAI Gym 交易环境（经 OpenAI Gym 批准）

在 PyTorch 中最小化实现截断目标的近端策略优化（PPO）

ProtoMotions 是一个用于训练物理模拟数字人类与人形机器人的 GPU 加速模拟与学习框架。

ICCV2019 - 利用基于模型的深度强化学习学习绘画

深度强化学习：从零到专家！

用于训练控制器的轻量级动作模仿方法套件。

verl-agent 是 veRL 的扩展，专为通过强化学习 (RL) 训练 LLM/VLM Agent 所设计。verl-agent 也是论文 "Group-in-Group Policy Optimization for LLM Agent Training" 的官方代码。

推荐、广告与搜索领域的工业界经典与最新前沿论文集合。

用于四轴飞行器控制的单一与多代理强化学习的 PyBullet Gymnasium 环境

[RSS 2025] “ASAP：对齐模拟与现实世界物理以学习具备灵活性的人形机器人全身技能”

DIAMOND (DIffusion As a Model Of eNvironment Dreams) 是一种在扩散世界模型中训练的强化学习智能体。NeurIPS 2024 Spotlight。

基于 1993 年游戏 Doom 的强化学习环境 :godmode: