ppo

強化學習中文教程（蘑菇書🍄），線上閱讀地址：https://datawhalechina.github.io/easy-rl/

優雅的 PyTorch 深度強化學習函式庫

高品質單檔實作深度強化學習演算法，具研究友好功能（PPO、DQN、C51、DDPG、TD3、SAC、PPG）

簡單的強化學習教學，莫煩Python 中文AI教學

Deep Reinforcement Learning Nanodegree 课程的仓库

大規模平行深度強化學習。🔥

🚀 一個開源、實作導向的課程，彌合基礎 RL 概念與 LLM 對齊、RLVR 及進階代理系統之間的差距

FinRL‑X：面向量化交易的 AI 原生模組化基礎設施

PyTorch 深度 RL 算法模組化實作

乾淨、穩健且統一的 PyTorch 實作，涵蓋熱門深度強化學習（DRL）演算法（Q-learning、Duel DDQN、PER、C51、Noisy DQN、PPO、DDPG、TD3、SAC、ASL）

在 PyTorch 中最小化實作截斷目標的近端策略最佳化（PPO）

這是 Multi-Agent PPO (MAPPO) 的官方實作。

基於 PyTorch 的模組化深度強化學習框架。《Foundations of Deep Reinforcement Learning》一書的配套函式庫。

一個簡單且風格良好的 PPO 實作。基於我的 Medium 系列文章：https://medium.com/@eyyu/coding-ppo-from-scratch-with-pytorch-part-1-4-613dfc1b14c8

使用強化學習訓練人形機器人進行移動

極速的端對端 Jax RL 實作

XuanCe：一個全面且統一的深度強化學習函式庫

一個具有 DPO、KTO、PPO、ORPO 及其他人類意識損失函數（HALO）可擴充實作的程式庫。

RL 入門檔案，無需編寫任何程式碼即可立即訓練、視覺化與評估代理程式

此儲存庫包含大多數基於經典深度強化學習演算法的 PyTorch 實作，包含：DQN、DDQN、Dueling Network、DDPG、SAC、A2C、PPO、TRPO。（更多演算法持續開發中）

🌾 OAT：一個對研究友善的 LLM 線上對齊框架，包含強化學習、偏好學習等。

用於建構深度強化學習代理人的 PyTorch 圖書館

RLAnything (ICML 2026) 與 AutoTool (ICML 2026)，DemyAgent：用於 LLM 與 Agent 場景的開源強化學習

簡單且高效的 LLM 微調工具（支援 LLaMA、LLaMA2、LLaMA3、Qwen、Baichuan、GLM、Falcon），大模型高效量化訓練與部署。

關於影片生成強化學習的精選論文列表。

自動駕駛（Carla）中的深度強化學習（PPO）[從零開始]