rl

MobileGym：用於 Mobile GUI Agent 研究的可驗證高並行模擬平台 · 瀏覽器裡運行的安卓模擬器 · Browser-hosted Android Simulator · 可驗證評估 · 可擴展的線上 RL 訓練

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

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。

DR Tulu 的官方儲存庫：具備深度研究演進評分標準的強化學習

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

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。

長思考鏈推理的最新進展

[NeurIPS 2022] 🛒WebShop：邁向具備基礎語言代理的可擴展真實世界網頁互動

四足機器人的 ROS2-Control 實作，包含模擬到現實（sim2real）功能。

Meta Agents Research Environments 是一個綜合平台，旨在評估動態、真實場景中的 AI 代理。與靜態基準測試不同，此平台引入了不斷演進的環境，代理必須隨著新資訊的出現調整策略，以反映現實世界的挑戰。

多目標強化學習演算法實作。

DeepThinkVLA：增強視覺-語言-動作模型的推理能力

代理型 LLM 的訓練環境

Official implementation of GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL Optimization