reinforcement-learning 第 3 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 3 / 4 页）
Machine-Learning-Goodness这是一个面向机器学习与深度学习学习者的综合资源库，收录了ML/DL项目、Jupyter Notebook教程、速查表（cheat codes）、AI/AGI实用★ 286
MLX-LoRA-StudioMLX-LoRA-Studio 是一款原生 macOS 应用，让用户在 Apple Silicon 芯片的 Mac 上直接完成大语言模型的 LoRA 微调，全程★ 279
evostraevostra 是一个用 Python 实现的快速进化策略（Evolution Strategy, ES）库。它解决了传统进化算法实现复杂、运行慢的问题，提供简★ 271
RLPRLP 是一个将强化学习作为预训练目标的开源模型项目，由 ICLR 2026 论文官方实现，基于 PyTorch。它旨在解决传统预训练模型仅关注监督学习或自监督★ 255
Awesome-Embodied-AIAwesome-Embodied-AI 是一个聚焦具身智能领域的精选资源清单，系统整理了该方向的研究综述、视觉-语言-动作（VLA）模型、数据集、仿真器、人形机★ 253
DRTDRT（Deep Reasoning Translation）是一个专注于深度推理翻译的开源模型项目，旨在通过引入大语言模型的深层推理能力来提升机器翻译质量，尤★ 242
learn-hermes-agent这是一个从零开始构建自主AI智能体的27章实战教程，基于Python实现，灵感来源于Hermes Agent。项目系统性地讲解了智能体的核心组件，包括代理循环（★ 236
raptorraptor 是一个面向四旋翼无人机控制的基础策略（Foundation Policy）开源项目。它旨在解决传统无人机控制器依赖精确建模和手工调参、泛化能力弱的★ 230
PsyDIPsyDI 是一个基于大语言模型和视觉语言模型的心理测量对话助手，专注于实现个性化、渐进深入的心理学测评，目前以 MBTI 人格测试为典型应用场景。它通过对话式★ 228
Awesome-LLM-Papers-Comprehensive-Topics这是一个精选大语言模型（LLM）论文与代码仓库的清单，覆盖了从基础架构、训练方法到应用落地等非常全面的主题。它旨在解决LLM领域信息过载、论文检索困难的问题，通★ 223
Awesome-Credit-Assignment-in-LLM-RL这是一个关于大语言模型强化学习中信用分配问题的精选资源列表，收录了相关论文、分类体系、基准测试和决策指南。信用分配是指确定哪些决策或步骤对最终奖励的贡献，是提升★ 221
alpamayo-recipesalpamayo-recipes 是 NVIDIA Alpamayo 的开发者中心，面向自动驾驶与物理 AI 场景，提供一整套可直接运行的模型配方。它解决的核心★ 212
Awesome-Graphs-Meet-Agents这是一个持续更新的资源清单，聚焦图与智能体（Agents）的交叉领域。它系统整理了图增强智能体（即利用图结构提升Agent推理与决策能力）和智能体辅助图学习（即★ 211
spiralSPIRAL 是一个通过多智能体多轮强化学习（RL）来提升大模型推理能力的开源框架。它基于自博弈（Self-Play）思想，在零和博弈环境中让多个智能体相互对抗★ 210
small-dogesmall-doge 是一个早期开源的轻量级语言模型家族项目，旨在提供高效、易部署的小规模语言模型。它解决了大模型资源消耗高、部署门槛高的问题，通过精简架构和优★ 201
omnisimomnisim 是一个面向编码智能体的开源机器人模拟器，旨在为 AI 智能体提供可复现的机器人操作与测试环境。它通过 HTTP/JSON 和 MCP（模型上下文★ 188
VillagerAgent-Minecraft-multiagent-frameworkVillagerAgent 是一个基于图结构的多智能体框架，专为 Minecraft 环境设计，论文发表于 ACL 2024。它解决的核心问题是：在开放世界沙盒★ 187
paper-listpaper-list 是一个自动更新的论文列表项目，专注于图像生成领域，同时覆盖动作识别、异常检测、音频处理、分类、深度估计、图神经网络等多个方向。它通过自动化★ 166
ScribeAIScribeAI 是一个为 VSCode 打造的 ChatGPT 扩展，旨在将大语言模型能力无缝集成到代码编辑器中。它解决开发者在编码过程中频繁切换上下文、查询★ 161
rlhf-summary-notes这是一个关于RLHF（基于人类反馈的强化学习）算法的简明总结笔记项目。它旨在为研究者和工程师提供一份精炼的RLHF算法概览，涵盖从基础概念到具体算法的核心要点。★ 154
zero-to-aizero-to-ai 是一个面向零基础学习者的免费 AI/ML 课程仓库，以 950 多个 Jupyter Notebook 为载体，覆盖从 Python 基础★ 154
DiffusionARTDiffusionART 是扩散模型强化学习后训练的官方实现，对应论文《DiffusionART: Efficient, Stable and Scalable★ 154
InfiGUI-G1InfiGUI-G1 是一个针对图形用户界面（GUI）智能体的强化学习训练框架，旨在解决 GUI 智能体在语义对齐上的瓶颈问题。它提出了自适应探索策略优化（AE★ 152
DataMindDataMind 是一个基于大语言模型的开源数据分析智能体框架，目标是为用户提供从自然语言到数据洞察的端到端解决方案。它解决的是传统数据分析门槛高、流程繁琐的问★ 149
MLDS2018SPRINGMLDS2018SPRING 是台湾大学李宏毅教授2018年春季《机器学习及其深层次与结构化》课程的公开资料库，包含课程讲义、作业代码和项目示例。项目主要面向深★ 146
EvoTuneEvoTune 是一个利用大语言模型（LLM）结合进化搜索与强化学习来自动发现算法的开源项目。它解决的核心问题是：传统算法设计依赖专家手工编写，耗时且难以覆盖广★ 145
ldpldp 是一个面向语言智能体（language agents）的模块化开发框架，目标是把智能体、环境和优化器三部分解耦，让研究者可以像搭积木一样替换其中的任意组★ 138
pcb-designer-ai-agentpcb-designer-ai-agent 是一个用 Python 编写的 AI 驱动 PCB 设计自动化工具，目标是把电路板布局布线中重复、依赖经验的环节交给★ 137
awesome-artificial-intelligence-research这是一个面向 AI 研究者的精选资源清单（Awesome List），系统整理了人工智能各子领域的前沿论文、工具、数据集与学习资料，覆盖推荐系统、计算机视觉、机★ 133
reality-enginereality-engine 是一个专注于动态 AI 世界模拟与故事讲述的工具集，旨在帮助创作者构建沉浸式、可交互的虚拟世界和叙事体验。它解决的是传统游戏引擎和★ 132
agentic-rlagentic-rl 是一个面向中文零基础学习者的 Agentic RL 教程项目，共 25 章，从强化学习与智能体基础概念讲起，逐步过渡到 GRPO 实战，并★ 131
hands-on-llmhands-on-llm 是一个面向中文开发者的 LLM 全栈动手学习项目，核心目标是把大模型从理论到落地的完整链路拆解成可运行的代码与实验。它包含三大部分：一★ 130
clawcodeClawCode 是一个受 Claude Code 启发的开源编程代理 CLI，用 Python 和 Rust 实现，主打基于智能体与经验演化的开发体验。它聚合★ 126
swarm-foraging-qlearn这是一个基于Q-Learning的多智能体集群觅食仿真项目，运行在动态网格环境中。它模拟了多个自主智能体在未知环境中协同寻找食物资源的过程，核心解决的是多智能体★ 119
awesome-rl-for-agents这是一个精选资源列表，汇集了强化学习（RL）在智能体（agents）领域的最新研究、论文、代码库和工具。它旨在解决智能体决策能力不足的问题，通过RL赋予智能体从★ 115
RLCSDRLCSD 是论文《RLCSD: Reinforcement Learning with Contrastive On-Policy Self-Distilla★ 115
SatoriSatori是一个基于强化学习的开源模型，旨在通过链式动作思维（Chain-of-Action-Thought）增强大语言模型的推理能力。它由ICML 2025★ 114
LLM-Assisted-LightLLM-Assisted-Light 是一个利用大语言模型（LLM）实现类人化交通信号控制的开源项目，对应论文《LLM-Assisted Light: Leve★ 108
Awesome-Multimodal-Reasoning这是一个精选多模态推理与生成前沿资源的列表，聚焦于基于强化学习（RL）的多模态大语言模型（MLLM）技术。项目系统梳理了图像理解、图像推理、图像生成等方向的最新★ 106
mjlab-skillkitmjlab-skillkit 是一个面向 IsaacLab 迁移和 mjlab 原生开发的 AI 编程技能包。它主要解决在机器人仿真和强化学习场景中，开发者从 ★ 105
Time-R1Time-R1 是一个两阶段强化微调框架，用于训练大语言模型进行慢思考、逐步推理，以实现准确且可解释的时间序列预测。它解决了传统时间序列模型缺乏可解释性和推理能★ 102
Awesome-AI-PapersAwesome-AI-Papers 是一个用于收集人工智能领域论文和对应代码的精选列表仓库。它旨在解决 AI 研究者、工程师和学生难以高效追踪前沿研究、找到论文★ 99
LLF-BenchLLF-Bench 是一个专门评估智能体仅通过语言反馈进行学习能力的基准测试平台。它解决了当前强化学习与交互式智能体研究中，反馈信号过于结构化或数值化，而真实人★ 99
MeanFlowNFTMeanFlowNFT 是一个基于 PyTorch 的图像生成开源项目，对应 arXiv 2026 论文，核心思想是将前向过程强化学习引入平均速度生成器。它针对★ 98
OkapiOkapi 是一个面向多语言场景的指令微调大语言模型项目，核心解决非英语语言（如中文、西班牙语、印地语等）在指令跟随和对话质量上表现不足的问题。项目基于 LLa★ 96
ai-ml-roadmap这是一个面向2025年AI和机器学习初学者的学习路线图项目，旨在提供从基础到进阶的系统化学习路径。它解决了初学者面对海量AI/ML资源时不知从何入手、学习路径不★ 90
genrlGenRL 是一个基于多模态基础世界模型的强化学习框架，旨在将自然语言和视频提示转化为具体可执行的动作序列。它通过将语言和视频输入编码为潜在世界模型状态序列，再★ 87
sdksdk 是一个面向生产环境机器学习（ML）的元数据存储基础设施。它旨在解决 ML 模型开发与部署过程中元数据管理混乱、难以追踪的问题，为模型、数据集、训练运行等★ 87
language-conditioned-robot-manipulation-models这是一个基于语言条件控制的机器人操作模型集合，对应论文《Open X-Embodiment: Robotic Learning Datasets and RT-★ 84
iLLM-TSCiLLM-TSC 是一个将强化学习与大语言模型结合用于交通信号控制策略优化的开源项目，对应同名论文。它解决传统强化学习在交通信号控制中奖励稀疏、策略迁移性差的问★ 82