reinforcement-learning

大语言模型微调与强化学习 🦥 以2倍速度训练OpenAI gpt-oss、Qwen3、Llama 4、DeepSeek-R1、Gemma 3，节省70%显存

SGLang是面向大语言模型与视觉语言模型的高速推理框架。

从头开始机器学习。机器学习模型和算法的基本 NumPy 实现，重点是可访问性。旨在涵盖从线性回归到深度学习的所有内容。

FinGPT：开源金融大语言模型！我们发布革命性🔥训练模型于HuggingFace平台

Unity机器学习代理工具包（ML-Agents）是一个开源项目，能让游戏和模拟场景成为训练智能代理的环境，支持深度强化学习与模仿学习。

点亮AI智能体的终极训练器

FinRL®：金融强化学习框架。🔥

人工智能（AI）课程、书籍、视频讲座与论文的精选列表

开源自动驾驶研究模拟器

强化学习中文教程（蘑菇书🍄），在线阅读地址：https://datawhalechina.github.io/easy-rl/

通过聆听这些精彩讲座，沉浸式学习深度学习、强化学习、机器学习、计算机视觉和自然语言处理！！

Agent S：仿人类操作计算机的开放式智能体框架

示例 📓 Jupyter 笔记本，展示如何使用 🧠 Amazon SageMaker 构建、训练和部署机器学习模型。

智能体强化训练器：使用GRPO为现实任务训练多步智能体。为智能体提供在职培训。支持Qwen2.5、Qwen3、Llama等模型的强化学习

麻省理工学院6.S191课程实验材料：深度学习导论

SANA：基于线性扩散 Transformer 的高效高分辨率图像合成

面向Claude、GPT、O系列、Grok、Deepseek、Gemini及300多种模型的AI增强型结对编程工具

成为顶尖的人工智能与机器学习研究工程师

Mooncake是Moonshot AI旗下领先大语言模型服务Kimi的部署平台。

简化复杂游戏环境中的强化学习实现

该仓库包含Hugging Face的深度强化学习课程。

面向Claude、GPT、O系列、Grok、Deepseek、Gemini及300多种模型的AI增强型结对编程工具

专为大型语言模型推理与智能体打造的闪电式强化学习框架。

基于自由间隔重复调度算法实现的现代Anki自定义调度系统。