rl

Llama中文社区，实时汇总最新Llama学习资料，构建最好的中文Llama大模型开源生态，完全开源可商用

优雅的 PyTorch 深度强化学习库

Dopamine 是用于快速原型化强化学习算法的研究框架。

Agent Reinforcement Trainer：使用 GRPO 训练多步骤代理以执行真实任务。为您的代理提供在职培训。支持 Qwen3.6、GPT-OSS、Llama 等的强化学习

LLM 基于代理应用的 RL Bridge，简单且灵活

EasyR1：一个基于 veRL 的高效、可扩展、多模态 RL 训练框架。

🚀 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

agent-sandbox 方便管理隔离、具状态、单例工作负载，适用于 AI 代理执行环境与强化学习 (RL) 等使用情境。

AlphaZero 算法在五子棋（亦称 Gobang 或 Five in a Row）的实现

一个模块化、原始型优先、Python 首先的 PyTorch Reinforcement Learning 函数库。

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

大型推理模型的强化学习综述

以更简单的方式实现所有强化学习（RL）算法

用于语言模型高级推理的可扩展 RL 解决方案

[ICLR 2026] SimpleVLA-RL：通过强化学习扩展 VLA 训练

System-2 推理的最新进展

🎓 系统性大语言模型构建课程｜🛠️ 涵盖预训练数据工程、Tokenizer、Transformer、MoE、GPU 编程 (CUDA/Triton)、分布式训练、Scaling Laws、推理优化及对齐 (SFT/RLHF/GRPO)｜🚀 6 个渐进式作业 + 代码驱动，建立 LLM 全栈认知体系

理解 R1-Zero 风格训练：批判性视角

[NeurIPS 2025] TTRL：测试期强化学习

[ICLR 2026] 代理式强化策略优化 (ARPO)

通过自我蒸馏的强化学习（SDPO）

面向 Agent 的持续改进栈。我们的环境数据与评估为 Agent 的改进和监控提供动力。

Tensorlake 是一个用于沙箱及部署背景 agentic 应用程序的无服务器运行时

AI-Native 风险智能系统，OpenDeRisk——您的应用系统风险智能管理者，提供 7*24 小时全面且深入的保护。

用于强化学习的 Python 库

“AI-Compass”将为社区指引在 AI 技术海洋中航行的方向，无论你是初学者还是进阶开发者，都能在这里找到通往 AI 各大方向的路径。旨在帮助开发者系统性地了解 AI 的核心概念、主流技术、前沿趋势，并通过实践掌握从理论到落地的全过程。

用于 sim-to-real 与强化学习的 3D 打印开源人形机器人平台

大语言模型策略内蒸馏（OPD）的精选论文、技术报告、框架与工具集合