reinforcement-learning 第 4 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 4 / 4 页）
RPGRPG 是一个基于 KL 正则化策略梯度的强化学习训练框架，源自 ICLR 2026 论文。它旨在解决大语言模型在强化学习微调中策略更新过快、导致奖励黑客和分布★ 78
Open-PhyGDPOOpen-PhyGDPO 是一个面向文本生成视频（T2V）任务的物理一致性优化框架，核心方法是物理感知的分组直接偏好优化（PhyGDPO）。它解决的是现有视频生★ 77
learning-from-rewards-llm-papers这是一个聚焦于大语言模型（LLM）后训练与测试时扩展中“从奖励中学习”主题的论文合集。项目系统梳理了奖励模型（RM）与学习策略在训练、推理及推理后阶段的相关研究★ 74
Awesome-spatial-visual-reasoning-MLLMs这是一个聚焦空间/视觉推理多模态大模型（MLLMs）的精选资源仓库，特别关注具身智能应用。项目系统梳理了当前主流空间推理MLLMs的论文、代码和评测基准，涵盖视★ 72
Time-R1Time-R1 是一个旨在赋予大语言模型（LLM）全面时间推理能力的开源框架和资源集合。它解决的是当前 LLM 在处理时间相关任务（如时间理解、事件预测、创意时★ 72
redcoRedCoast是一个轻量级工具，旨在自动化分布式训练和推理流程，特别针对大语言模型和扩散模型。它解决了在联邦学习、差分隐私等场景下，多机多卡环境配置复杂、代码★ 69
YAWNING-TITANYAWNING TITAN 是一个基于图结构的抽象网络安全模拟环境，专为训练自主网络防御智能体而设计。它解决了现实网络攻防演练成本高、风险大、难以重复的问题，为★ 68
PSECPSEC是一个面向智能体（Agent）的技能扩展与组合框架，其核心思想是在参数空间中实现技能的动态扩展与灵活组合。它解决的是智能体在面对新任务时，如何高效复用已★ 68
OPTIMIZING-STOCK-TRADING-STRATEGY-WITH-REINFORCEMENT-LEARNING这是一个用强化学习优化股票交易策略的开源项目，面向对量化交易和AI感兴趣的开发者。它解决了传统交易策略依赖人工经验、难以自适应市场变化的问题，核心能力是构建强化★ 58
Smart-Study-AgentSmart-Study-Agent 是一个开源的 AI 学习代理，采用 Chrome 扩展形式，结合强化学习（上下文赌博机）与 FSRS 间隔重复算法，智能规划★ 57