reinforcement-learning-algorithms

PyTorch 版 Stable Baselines，可靠的強化學習演算法實作

Deep Reinforcement Learning Nanodegree 课程的仓库

OpenDILab Decision AI Engine。最全面的強化學習框架 B.P.

在 PyTorch 中最小化實作截斷目標的近端策略最佳化（PPO）

精選的 Model-based RL 資源清單（持續更新）

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

[ICLR 2026] 代理式強化策略最佳化 (ARPO)

極速的端對端 Jax RL 實作

UI-Venus 是一個原生的 UI 代理，旨在僅使用截圖作為輸入，執行精確的 GUI 元素定位與有效的導航。

精選的 Decision Transformer 資源清單（持續更新）

NMA 深度學習課程

Julia 中的 MDP 與 POMDP——一個用於在離散與連續空間中定義、求解及模擬完全與部分可觀測馬可夫決策過程的介面。

Stable-Baselines3 的貢獻套件 - 實驗性強化學習（RL）程式碼

這是一個關於無人機深度強化學習自主避障演算法的專案。

Nature 期刊論文「探索最先進的強化學習演算法」之配套程式碼。

精選的探索式強化學習 (RL) 資源清單（持續更新）

論文「Computation Offloading Optimization for UAV-assisted Mobile Edge Computing: A Deep Deterministic Policy Gradient Approach」程式碼。

🤖 用於從示範中學習機器人與機器人操作的完整流程 Python 套件

精選的蒙地卡羅樹搜尋論文及其實作列表。

用於建構深度強化學習代理人的 PyTorch 圖書館

[ICLR 2026] TraceRL 官方程式碼：徹底改變擴散 LLM 的後訓練流程，驅動 SOTA TraDo 系列。