rl

MobileGym：用于 Mobile GUI Agent 研究的可验证高并发模拟平台 · 浏览器里运行的安卓模拟器 · Browser-hosted Android Simulator · 可验证评估 · 可扩展的线上 RL 训练

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

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。

DR Tulu 的官方存储库：具备深度研究演进评分标准的强化学习

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

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。

长思维链推理的最新进展

[NeurIPS 2022] 🛒WebShop：迈向具备基础语言代理的可扩展真实世界网页互动

四足机器人的 ROS2-Control 实现，包含模拟到现实（sim2real）功能。

Meta Agents Research Environments 是一个综合平台，旨在评估动态、真实场景中的 AI 代理。与静态基准测试不同，此平台引入了不断演进的环境，代理必须随着新信息的出现调整策略，以反映现实世界的挑战。

多目标强化学习算法实现。

DeepThinkVLA：增强视觉-语言-动作模型的推理能力

代理型 LLM 的训练环境

Official implementation of GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL Optimization