rl

Llama中文社区，实时汇总最新Llama学习资料，构建最好的中文Llama大模型开源生态，完全开源可商用

優雅的 PyTorch 深度強化學習函式庫

Dopamine 是用於快速原型化強化學習演算法的研究框架。

Agent Reinforcement Trainer：使用 GRPO 訓練多步驟代理以執行真實任務。為您的代理提供在職訓練。支援 Qwen3.6、GPT-OSS、Llama 等的強化學習

LLM 基於代理應用的 RL Bridge，簡單且靈活

EasyR1：一個基於 veRL 的高效、可擴展、多模態 RL 訓練框架。

🚀 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

agent-sandbox 方便管理隔離、具狀態、單例工作負載，適用於 AI 代理執行環境與強化學習 (RL) 等使用情境。

AlphaZero 演算法在圍棋五子棋（亦稱 Gobang 或 Five in a Row）的實作

一個模組化、原始型優先、Python 首先的 PyTorch Reinforcement Learning 函式庫。

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

大型推理模型的強化學習綜述

以更簡單的方式實現所有強化學習（RL）演算法

用於語言模型進階推理的可擴展 RL 解決方案

[ICLR 2026] SimpleVLA-RL：透過強化學習擴展 VLA 訓練

System-2 推理的最新進展

🎓 系統性大語言模型建構課程｜🛠️ 涵蓋預訓練資料工程、Tokenizer、Transformer、MoE、GPU 編程 (CUDA/Triton)、分散式訓練、Scaling Laws、推理最佳化及對齊 (SFT/RLHF/GRPO)｜🚀 6 個漸進式作業 + 程式碼驅動，建立 LLM 全端認知體系

理解 R1-Zero 風格訓練：批判性視角

[NeurIPS 2025] TTRL：測試期強化學習

[ICLR 2026] 代理式強化策略最佳化 (ARPO)

透過自我蒸餾的強化學習（SDPO）

面向 Agent 的持續改進堆疊。我們的環境資料與評估為 Agent 的改進和監控提供動力。

Tensorlake 是一個用於沙箱及部署背景 agentic 應用程式的無伺服器執行環境

AI-Native 風險智慧系統，OpenDeRisk——您的應用系統風險智慧管理者，提供 7*24 小時全面且深入的保護。

用於強化學習的 Python 函式庫

「AI-Compass」將為社群指引在 AI 技術海洋中航行的方向，無論你是初學者還是進階開發者，都能在這裡找到通往 AI 各大方向的路徑。旨在幫助開發者系統性地了解 AI 的核心概念、主流技術、前沿趨勢，並透過實踐掌握從理論到落地的全過程。

用於 sim-to-real 與強化學習的 3D 列印開源人形機器人平台

大型語言模型策略內蒸餾（OPD）的精選論文、技術報告、框架與工具集合