reinforcement-learning 第 2 页
本站收录 160 个带「reinforcement-learning」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 4 页）
tensor-housetensor-house 是一个面向企业场景的 AI/ML 参考实现集合，以 Jupyter Notebook 形式提供端到端的演示应用，覆盖营销、定价、供应链★ 1,462
ReCallReCall 是一个通过强化学习让大语言模型学会自主调用工具（如搜索引擎）的开源项目。它解决的核心问题是：当前 LLM 在需要外部信息或实时数据时，往往依赖预训★ 1,444
OpenCat-OldOpenCat-Old 是 Petoi 公司开源的四足机器猫项目，面向 STEM 教育与 AI 增强服务场景。它提供一套可编程、高机动性的小型四足机器人方案，包★ 1,377
verl-omniverl-omni 是字节跳动 verl 生态下面向多模态与全模态模型的强化学习训练框架，专注解决扩散模型（diffusion）和 omni 模型在 RL 后训★ 1,310
GymGym 是一个用于评估和改进模型与智能体的环境框架，核心思路是把评测从静态数据集搬到可交互的环境中。传统 benchmark 通常只给固定题目和标准答案，难以衡★ 1,259
ai-engineering-from-scratch-zh这是一个面向中文开发者的 AI 工程系统学习项目，把从零到精通 AI Agent 工程师所需的完整知识路径拆成 20 个阶段、503 节课，覆盖 Python ★ 1,259
judgevaljudgeval 是一个面向 AI Agent 的持续改进与评测平台，旨在解决 Agent 在生产环境中缺乏系统性评估与监控的问题。它提供了丰富的评测数据集和评★ 1,068
UniRL腾讯混元开源的统一多模态强化学习框架，支持在多模态场景下训练与优化模型。它提供统一的 RL 流程抽象，帮助研究者和工程师在文本、图像等多模态任务上高效开展强化学★ 1,022
Step-Audio-EditXStep-Audio-EditX 是一个基于 3B 参数大语言模型和强化学习的音频编辑模型，专注于情感、说话风格和副语言特征的精细编辑，同时具备强大的零样本语音★ 987
AgileRLAgileRL 是一个专注于强化学习（RL）的 Python 库，旨在通过 RLOps（强化学习运维）理念简化 RL 算法的开发、训练和部署流程。它解决了 RL★ 959
papers-for-molecular-design-using-DL这是一个面向分子与材料设计的深度学习论文资源汇总仓库，系统整理了使用生成式AI和深度学习进行分子/材料设计的学术文献。它解决的核心问题是：该交叉领域论文分散在机★ 951
free-ai-resources-x这是一个精选的免费AI资源集合项目，收录了高质量的AI工具、API、数据集和学习资料，覆盖机器学习、深度学习、生成式AI、自然语言处理和数据分析等领域。项目旨在★ 943
diffusion-literature-for-robotics这是一个面向机器人领域的扩散模型文献汇总项目，系统整理了扩散模型基础论文、博客教程，以及将扩散模型应用于机器人任务的全部已发表论文清单。它解决的是研究者和工程师★ 923
awesome-on-policy-distillation这是一个围绕大语言模型在线策略蒸馏（On-Policy Distillation，OPD）的资源合集，系统整理了论文、技术报告、框架和工具。它解决的核心问题是：★ 889
REINVENT4REINVENT4 是阿斯利康开源的新一代分子生成与优化工具，用于药物发现中的从头设计、骨架跃迁、R 基团替换、连接子设计和分子优化。它把强化学习、迁移学习和多★ 879
DiffusionOPSDDiffusionOPSD 是一个针对扩散模型的在线策略自蒸馏（On-Policy Self-Distillation）训练框架，旨在解决扩散模型在生成质量和训★ 871
mobilegymMobileGym 是一个面向移动端 GUI 智能体研究的可验证、高并行仿真平台，论文已被 EMNLP 2026 收录。它把安卓模拟器搬进浏览器，无需真机或本地★ 831
haloHalo 是由 White Circle 开源的大语言与多模态模型训练框架，用 Python 编写。它面向从微调到强化学习后训练的完整流程，核心能力包括分布式训★ 829
Awesome-Papers-Autonomous-Agent这是一个精选论文列表，专注于构建自主智能体（Autonomous Agent）的前沿研究。项目将论文清晰划分为基于强化学习（RL-based）和基于大语言模型（★ 759
Flow-FactoryFlow-Factory 是一个面向 Flow-Matching 模型的统一强化学习框架，旨在简化基于流匹配的生成模型（如扩散模型）中的强化学习训练流程。它解决★ 731
Long-RLLong-RL 是一个针对长序列强化学习（RL）训练的开源项目，由 NeurIPS 2025 论文支撑，旨在解决 RL 在长上下文场景下训练不稳定、内存开销大等★ 730
Repo2RLEnvRepo2RLEnv 是一个把任意代码仓库自动转换为可验证强化学习环境的工具，面向训练和评估编码智能体（coding agents）。它解决的核心问题是：现有编★ 730
DeepRetrievalDeepRetrieval 是发表于 COLM'25 的研究项目，通过强化学习（RLVR）训练搜索智能体，以检索结果作为奖励信号优化模型。它探索了让 AI 学会★ 719
SkyChat-Chinese-Chatbot-GPT3SkyChat 是一个基于中文 GPT-3 API 的聊天机器人项目，旨在提供类似 ChatGPT 的中文对话体验。它通过调用 GPT-3 模型，实现了人机聊天★ 687
NeuralDialogPapersNeuralDialogPapers 是卡内基梅隆大学赵天成整理的一份深度学习对话系统论文清单，汇总了从经典到前沿的神经网络对话模型。它按技术路线分类，涵盖生成★ 642
Awesome-RL-for-Video-GenerationAwesome-RL-for-Video-Generation 是一个精选论文列表，聚焦于强化学习（RL）在视频生成领域的应用。它系统整理了利用 PPO、DPO★ 589
meta-agents-research-environmentsMeta Agents Research Environments 是一个用于评估 AI 智能体的动态仿真平台。与静态基准测试不同，它构建了信息持续变化的环境，★ 569
TextRLTextRL 是一个基于 Hugging Face Transformers 框架实现 ChatGPT RLHF（基于人类反馈的强化学习）的开源项目，旨在将强化★ 564
awesome-ai这是一个精选人工智能资源的列表项目，收集了课程、工具、应用和开源项目等各类AI相关资源。它旨在为AI学习者和开发者提供一个导航入口，解决信息过载和资源分散的问题★ 554
HuggingEnvsHuggingEnvs 是一个面向 LLM 时代的教育型开源项目，专注于强化学习（RL）环境的构建与规模化实践。它旨在解决当前 RL 环境设计缺乏标准化、难以适★ 521
FineEnvsFineEnvs 是一个面向大语言模型强化学习（RL）的开源环境构建与规模化工具集，定位为「RL Environments 101」。它解决的核心问题是：在 L★ 520
OpenCatEsp32-Quadruped-RobotOpenCatEsp32-Quadruped-Robot 是一个基于 ESP32 的开源四足机器人宠物框架，目标是让开发者用低成本硬件做出类似波士顿动力的四足机★ 499
CUDA-L2CUDA-L2 是一个通过强化学习自动生成高性能矩阵乘法内核的开源项目，目标是在 NVIDIA GPU 上超越 cuBLAS 的性能。它解决了传统手写 CUDA★ 484
synalinkssynalinks 是一个基于图的、可编程的神经符号语言模型框架，旨在用最少的代码将想法快速转化为生产级应用。它融合了符号推理与神经网络，借鉴了深度学习领域十年★ 464
Grokking-Artificial-Intelligence-Algorithms这是《Grokking Artificial Intelligence Algorithms》一书的官方代码仓库，用Python实现书中讲解的各种人工智能算法，★ 435
World-R1World-R1 是一个面向文本到视频生成任务的强化学习框架，核心思路是在视频生成过程中注入 3D 约束，以提升生成内容的物理合理性和时空一致性。它解决了现有视★ 427
RL-ChatbotRL-Chatbot 是一个基于深度强化学习的开源聊天机器人项目，使用 Python 和 TensorFlow 实现。它旨在解决传统 seq2seq 模型在对话★ 422
MineStudioMineStudio 是一个专为 Minecraft AI 智能体开发打造的简化工具包。它解决了在 Minecraft 开放世界中训练智能体时数据获取难、环境配★ 415
LightRFTLightRFT 是一个轻量、高效、支持全模态的强化微调（RFT）框架，核心思路是用奖励模型驱动训练，把强化学习引入大语言模型和多模态模型的微调流程。它解决了传★ 397
SkyText-Chinese-GPT3SkyText是奇点智源发布的中文GPT-3预训练大模型，旨在为中文自然语言处理提供强大的生成能力。它解决了中文领域缺乏高质量GPT-3开源模型的问题，支持文章★ 390
CarDreamerCarDreamer 是一个基于世界模型（World Model）的自动驾驶研究平台，构建在 CARLA 模拟器之上。它旨在解决自动驾驶中模型训练成本高、泛化能★ 376
ReaLHFReaLHF 是一个面向大语言模型的高效 RLHF（基于人类反馈的强化学习）训练框架，通过参数重新分配技术显著提升训练效率。它解决了传统 RLHF 训练中计算资★ 336
Awesome-LLM-Reasoning-with-NeSyAwesome-LLM-Reasoning-with-NeSy 是一个精选资源列表，专注于神经符号学习（NeSy）与大语言模型（LLM）结合的最新进展。该项目系★ 333
agentenv-frameworkagentenv-framework 是一个用 Python 编写的开源开发框架，目标是让研究者、工程师和领域专家能协作构建真实、可复现的强化学习（RL）与智能★ 330
AlignPropAlignProp 是一个用于对齐大规模文本到图像扩散模型的开源项目，核心思想是直接对奖励函数进行反向传播，以微调 Stable Diffusion 等模型，从★ 329
VADERVADER 是一个用于视频扩散模型对齐的开源项目，通过奖励梯度（Reward Gradients）对预训练的视频生成模型进行微调，以提升生成视频的质量和与人类偏★ 318
hud-pythonhud-python 是一个为 AI 智能体提供强化学习环境和评估工具的开源项目。它旨在解决智能体训练中环境定义和评估标准不统一的问题，允许开发者定义一次环境，★ 314
mini-verlmini-verl 是字节跳动 verl 强化学习训练框架的轻量单卡版本，目标是在一张消费级 NVIDIA GPU（如 RTX 3090/4090）上跑通大模型★ 307
reevoReEvo 是一个基于大语言模型的超启发式算法（Hyper-Heuristics）框架，发表于 NeurIPS 2024。它旨在解决传统启发式算法设计依赖专家知★ 304
rlixrlix 是一个面向强化学习（RL）实验的基础设施工具，旨在解决 RL 研究者频繁运行实验时 GPU 等待时间长、资源利用率低的问题。它通过智能调度和资源管理，★ 298