reinforcement-learning

基於 PyBullet 物理引擎與 gymnasium 的機器人環境集合。

關於建構自主代理的最新論文集合。包含兩個主題：基於 RL 的代理與基於 LLM 的代理。

用於即時應用程式的強化學習

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

Long-RL：將 RL 擴展至長序列（NeurIPS 2025）

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。

強化學習與規劃演算法的實作

用於在 Python 中進行撲克 AI 開發的撲克引擎

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。

基於 keras-rl 與強化學習的德州撲克 OpenAI Gym 環境。包含勝率計算的虛擬渲染與蒙地卡羅方法。

[COLM’25] DeepRetrieval — 🔥 透過具備檢索結果的 RLVR 訓練 Search Agent

精選的蒙地卡羅樹搜尋論文及其實作列表。

基於真實全景圖像進行強化學習的 AI 研究平台。

基於模型預測控制的強化學習

視覺語言模型論文與模型的頂級前端收集與調查 GitHub 儲存庫。持續更新中。

在 SMAC 上微調的 MARL 演算法（多數情境下勝率達 100%）

用於在 Flow-Matching 模型中輕鬆進行強化學習的統一框架

ns3-gym - 網路研究中強化學習的遊樂場

在 Python/Tensorflow 中實作逆向強化學習 (IRL) 演算法。包含 Deep MaxEnt、MaxEnt、LPIRL

使用 C++ 並結合部分強固學習（Reinforcement Learning）的爐石戰記模擬器

用於 MDP 與 POMDP 的 C++ 框架，並提供 Python 綁定

BenchMARL 是一個用於多智能體強化學習 (MARL) 基準測試的函式庫。BenchMARL 能夠快速比較不同的 MARL 演算法、任務與模型，同時堅守其兩大核心原則：可重現性與標準化。

用於建構深度強化學習代理人的 PyTorch 圖書館

資料科學專案的完整生命週期

適用於 Julia 的強化學習套件。

長思考鏈推理的最新進展

♟️ 基於 JAX 的向量化強化學習遊戲環境

「Seg-Zero: Reasoning-Chain Guided Segmentation via Cognitive Reinforcement」專案頁面