reinforcement-learning

🤖 機器學習暑期學校指南

TF-Agents：一個可靠、可擴展且易於使用的 TensorFlow 庫，用於上下文賽局（Contextual Bandits）和強化學習

深度學習與深度強化學習研究論文及部分程式碼

基於 MuJoCo-Warp 的 Isaac Lab API，用於強化學習與機器人研究

用於物理 AI 研究與在富接觸環境中部署的完全開源人形機械手臂。

用於 Stable Baselines3 強化學習代理的訓練框架，包含超參數優化與預訓練代理。

用 100 行程式碼實作論文

MuZero

簡單且全面的 TensorFlow 教學

企業級 AI 代理（Agent）庫，旨在普及人工智慧，並為估值過高的 Y Combinator 新創公司提供免費、開源的替代方案。

RAGEN 利用強化學習在互動式隨機環境中訓練 LLM 推理 Agent。

在 JAX 中實現的 蒙地卡羅樹搜尋。

PPO x Family DRL 教程課程（決策智能入門級公開課：8節課幫你盤清算法理論，理順代碼邏輯，玩轉決策AI應用實踐 ）

用於工業級搜尋、推薦和廣告的精選深度學習論文。專注於 Embedding、Matching、Pre-Ranking、Ranking、Post Ranking、Relevance、LLM 和 RL。請引用我們的論文 "Deep Learning to Rank in Industrial Search Engines, Recommender Systems, and Online Advertising - An Overview and New Perspectives" (TOIS 2026)。

robosuite：用於機器人學習的模組化模擬框架與基準測試

強大推理能力 LLM 的教學、調查與指南資源集合

《Reinforcement Learning: An Introduction》解答

一個用於根據人類偏好微調語言模型的模組化 RL 函式庫

最簡單、靈活且完整的 OpenAI Gym 交易環境（經 OpenAI Gym 批准）

在 PyTorch 中最小化實作截斷目標的近端策略最佳化（PPO）

ProtoMotions 是一個用於訓練物理模擬數位人類與人形機器人的 GPU 加速模擬與學習框架。

ICCV2019 - 利用基於模型的深度強化學習學習繪畫

用於訓練控制器的輕量級動作模仿方法套件。

verl-agent 是 veRL 的擴充套件，專為透過強化學習 (RL) 訓練 LLM/VLM Agent 所設計。verl-agent 也是論文 "Group-in-Group Policy Optimization for LLM Agent Training" 的官方程式碼。

深度強化學習：從零到專家！

推薦、廣告與搜尋領域的工業界經典與最新前沿論文集合。

用於四軸飛行器控制的單一與多代理增強式學習的 PyBullet Gymnasium 環境

[RSS 2025] 「ASAP：對齊模擬與現實世界物理以學習具備靈活性的人形機器人全身技能」

DIAMOND (DIffusion As a Model Of eNvironment Dreams) 是一種在擴散世界模型中訓練的強化學習代理程式。NeurIPS 2024 Spotlight。

基於 1993 年遊戲 Doom 的強化學習環境 :godmode: