reinforcement-learning

基于 PyBullet 物理引擎与 gymnasium 的机器人环境集合。

关于构建自主代理的最新论文集合。包含两个主题：基于 RL 的代理与基于 LLM 的代理。

用于实时应用程序的强化学习

Stable-Baselines3 的贡献套件 - 实验性强化学习（RL）代码

这是一个关于无人机深度强化学习自主避障算法的项目。

Long-RL：将 RL 扩展至长序列（NeurIPS 2025）

Nature 期刊论文“探索最先进的强化学习算法”之配套代码。

强化学习与规划算法的实现

用于在 Python 中进行扑克 AI 开发的扑克引擎

精选的探索式强化学习 (RL) 资源清单（持续更新）

基于 keras-rl 与强化学习的德州扑克 OpenAI Gym 环境。包含胜率计算的虚拟渲染与蒙特卡洛方法。

论文“Computation Offloading Optimization for UAV-assisted Mobile Edge Computing: A Deep Deterministic Policy Gradient Approach”的代码。

[COLM’25] DeepRetrieval — 🔥 通过具备检索结果的 RLVR 训练 Search Agent

精选的蒙特卡洛树搜索论文及其实作列表。

基于真实全景图像进行强化学习的 AI 研究平台。

视觉语言模型论文与模型的顶级前端收集与调查 GitHub 仓库。持续更新中。

基于模型预测控制的强化学习

在 SMAC 上微调的 MARL 算法（多数情境下胜率达 100%）

ns3-gym - 网路研究中强化学习的游乐场

用于在 Flow-Matching 模型中轻松进行强化学习的统一框架

在 Python/Tensorflow 中实现逆强化学习 (IRL) 算法。包含 Deep MaxEnt、MaxEnt、LPIRL

使用 C++ 并结合部分强化学习（Reinforcement Learning）的炉石传说模拟器

用于 MDP 和 POMDP 的 C++ 框架，并提供 Python 绑定

BenchMARL 是一个用于多智能体强化学习 (MARL) 基准测试的库。BenchMARL 能够快速比较不同的 MARL 算法、任务与模型，同时坚守其两大核心原则：可重现性与标准化。

用于构建深度强化学习智能体的 PyTorch 库

数据科学项目的完整生命周期

适用于 Julia 的强化学习套件。

长思维链推理的最新进展

♟️ 基于 JAX 的向量化强化学习游戏环境

“Seg-Zero: Reasoning-Chain Guided Segmentation via Cognitive Reinforcement”项目页面