reinforcement-learning

Vowpal Wabbit 是一套機器學習系統，透過線上學習、雜湊、allreduce、reduction、learning2search、主動與互動式學習等技術推動機器學習前沿

星際爭霸 II 學習環境

在 PaLM 架構之上實作 RLHF（帶人類回饋的強化學習）。基本上是 ChatGPT，但使用 PaLM。

透過這本非傳統教材，成為破解 AI/ML 研究員/工程師，涵蓋數學、計算與機器學習直觀概念。

多模態機器學習研究主題閱讀清單

收集 LLM 論文、部落格與專案，聚焦 OpenAI o1 🍓 與推理技術

野外強化學習課程

🔬 精選金融市場中的優秀 LLM 與深度學習策略與工具清單。

Mooncake 是 Moonshot AI 提供的領先 LLM 服務 Kimi 的服務平台

精選的自監督方法清單

增強學習的擴張

使用強化式 VLM 解決視覺理解問題。

讓大型語言模型的強化學習更普及

LLM 基於代理應用的 RL Bridge，簡單且靈活

OpenSpiel 是一個環境與算法集合，用於一般強化學習研究以及遊戲中的搜尋/規劃

一個開源四足機器人寵物框架，用於開發類似 Boston Dynamics 的四足機器人，適合 STEM、編碼與機器人教育、IoT 機器人應用、AI 強化機器人服務、研究以及 DIY 機器人套件開發。

為超大型 MoE 模型打造的下一代訓練引擎

Deep Reinforcement Learning Nanodegree 课程的仓库

EasyR1：一個基於 veRL 的高效、可擴展、多模態 RL 訓練框架。

從零開始在 PyTorch 中實現推理 LLM，逐步說明

此倉庫包含 Hugging Face 深度強化學習課程

🌟100+ 原創 LLM / RL 原理圖📚，《大模型算法》作者巨献！💥（100+ LLM/RL Algorithm Maps ）

一個使用 RLHF 的分散式語言模型訓練倉庫

RLinf：面向具身與代理 AI 的強化學習基礎設施

Google DeepMind 的軟體堆疊，用於物理模擬與強化學習環境，採用 MuJoCo

[ICML 2021] DouZero: Mastering DouDizhu with Self-Play Deep Reinforcement Learning | 斗地主 AI

基於 AlphaZero 的乾淨實作，適用於任何框架的任何遊戲 + 教學 + Othello/圍棋/井字棋/四子棋 等

一份經過精選的強化學習與人類反饋資源列表（持續更新）

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