Усі теги
Тег каталогу

#reinforcement-learning

Усі репозиторії публічного реєстру з цим тегом — із тем GitHub або ключових слів, які публікують їхні реєстри пакетів. Здоров'я вимірюється за тією ж версіонованою методологією, що й решта реєстру.

39 записів
З тегом «reinforcement-learning»Упорядковано за індексом здоров'я
Maven · PyPI
100Винятковийіндекс здоров'я
ray-project/ray
Ray is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.
Python · C++★ 43.4K5 серп. 2026 р.
Apache-2.05 серп. 2026 р. · метрики 2.10.0
PyPI · Go · crates.io
100Винятковийіндекс здоров'я
wandb/wandb
The AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.
Python · Go★ 11.2K↓ 26.6M/міс27 серп. 2026 р.
MIT27 серп. 2026 р. · метрики 2.10.0
PyPI
98Винятковийіндекс здоров'я
kvcache-ai/Mooncake
Mooncake is the serving platform for Kimi, a leading LLM service provided by Moonshot AI.
C++ · Python★ 6 25612 серп. 2026 р.
Apache-2.012 серп. 2026 р. · метрики 2.10.0
PyPI · crates.io
98Винятковийіндекс здоров'я
sgl-project/sglang
SGLang is a high-performance serving framework for large language models and multimodal models.
Python★ 31.3K↓ 144M/міс4 серп. 2026 р.
Apache-2.04 серп. 2026 р. · метрики 2.10.0
PyPI
97Винятковийіндекс здоров'я
google-deepmind/optax
Optax is a gradient processing and optimization library for JAX.
Python★ 2 30118 лип. 2026 р.
Apache-2.018 лип. 2026 р. · метрики 2.10.0
PyPI
96Винятковийіндекс здоров'я
Farama-Foundation/Gymnasium
A standard API for single-agent reinforcement learning environments, with popular reference environments and related utilities (formerly Gym)
Python★ 12.4K↓ 5.7M/міс27 серп. 2026 р.
MIT27 серп. 2026 р. · метрики 2.10.0
PyPI
95Винятковийіндекс здоров'я
google-deepmind/open_spiel
OpenSpiel is a collection of environments and algorithms for research in general reinforcement learning and search/planning in games.
C++ · Python★ 5 44028 серп. 2026 р.
Apache-2.028 серп. 2026 р. · метрики 2.10.0
PyPI
94Винятковийіндекс здоров'я
PrimeIntellect-ai/verifiers
Our library for RL environments + evals
Python★ 4 565↓ 378.1K/міс28 серп. 2026 р.
MIT28 серп. 2026 р. · метрики 2.10.0
PyPI · npm
94Винятковийіндекс здоров'я
unslothai/unsloth
Unsloth is a local UI for training and running Kimi K3, Gemma 4, Qwen3.6, DeepSeek-V4, GLM and other models.
Python · TypeScript★ 69.6K4 серп. 2026 р.
Apache-2.04 серп. 2026 р. · метрики 2.10.0
PyPI
93Винятковийіндекс здоров'я
AgileRL/AgileRL
Streamlining reinforcement learning with RLOps. State-of-the-art RL algorithms and tools, with 10x faster training through evolutionary hyperparameter optimization.
Python★ 938↓ 1 021/міс20 лип. 2026 р.
Apache-2.020 лип. 2026 р. · метрики 2.10.0
PyPI · npm
93Винятковийіндекс здоров'я
NVIDIA-NeMo/Gym
Evaluate and improve models and agents using environments
Python · MDX★ 1 055↓ 406.4K/міс18 лип. 2026 р.
Apache-2.018 лип. 2026 р. · метрики 2.10.0
PyPI
93Винятковийіндекс здоров'я
mujocolab/mjlab
Isaac Lab API, powered by MuJoCo-Warp, for RL and robotics research
Python★ 2 70922 лип. 2026 р.
Apache-2.022 лип. 2026 р. · метрики 2.10.0
npm
93Винятковийіндекс здоров'я
proffesor-for-testing/agentic-qe
Agentic QE Fleet is an open-source AI-powered QA/QE platform designed for use with Coding Agents (works best with Claude Code) featuring specialized agents and skills to support testing activities for a product at any stage of the SDLC. Free to use, fork, build, and contribute. Based on the Agentic QE Framework created by Dragan Spiridonov.
TypeScript★ 474↓ 56.4K/міс5 вер. 2026 р.
MIT5 вер. 2026 р. · метрики 2.10.0
PyPI · npm
93Винятковийіндекс здоров'я
trycua/cua
Scale computer-use 2.0 with open-source drivers, cross-OS fleets, and benchmarks for training, evaluation, and data generation.
HTML · Rust · Python★ 20.9K↓ 26.8K/міс5 серп. 2026 р.
MIT5 серп. 2026 р. · метрики 2.10.0
PyPI
92Відміннийіндекс здоров'я
JudgmentLabs/judgeval
The Continuous-Improvement Stack for Agents. Our environment data and evals power agent improvement and monitoring.
Python★ 1 057↓ 233.1K/міс13 серп. 2026 р.
Apache-2.013 серп. 2026 р. · метрики 2.10.0
PyPI
92Відміннийіндекс здоров'я
munich-quantum-toolkit/predictor
MQT Predictor - A Tool for Automatic Device Selection with Device-Specific Circuit Compilation for Quantum Computing
Python★ 86↓ 285/міс21 лип. 2026 р.
MIT21 лип. 2026 р. · метрики 2.10.0
PyPI
91Відміннийіндекс здоров'я
DLR-RM/stable-baselines3
PyTorch version of Stable Baselines, reliable implementations of reinforcement learning algorithms.
Python★ 13.7K12 серп. 2026 р.
MIT12 серп. 2026 р. · метрики 2.10.0
PyPI
91Відміннийіндекс здоров'я
Farama-Foundation/Arcade-Learning-Environment
A simple framework that allows researchers and hobbyists to develop AI agents for Atari 2600 games
C++ · IDL★ 2 44113 серп. 2026 р.
GPL-2.013 серп. 2026 р. · метрики 2.10.0
PyPI
91Відміннийіндекс здоров'я
pytorch/rl
A modular, primitive-first, python-first PyTorch library for Reinforcement Learning.
Python★ 3 548↓ 84.8K/міс5 вер. 2026 р.
MIT5 вер. 2026 р. · метрики 2.10.0
PyPI
90Відміннийіндекс здоров'я
Farama-Foundation/PettingZoo
A standard API for multi-agent reinforcement learning environments, with popular reference environments and related utilities
Python★ 3 48913 серп. 2026 р.
MIT13 серп. 2026 р. · метрики 2.10.0
npm
90Відміннийіндекс здоров'я
enactic/openarm
A fully open-source humanoid arm for physical AI research and deployment in contact-rich environments.
MDX · TypeScript★ 2 9245 вер. 2026 р.
Apache-2.05 вер. 2026 р. · метрики 2.10.0
PyPI
86Відміннийіндекс здоров'я
google-deepmind/dm_control
Google DeepMind's software stack for physics-based simulation and Reinforcement Learning environments, using MuJoCo.
Python★ 4 66312 серп. 2026 р.
Apache-2.012 серп. 2026 р. · метрики 2.10.0
PyPI
84Відміннийіндекс здоров'я
ttktjmt/mjswan
MuJoco Simulation on Web Assembly with Neural netwroks
Python · TypeScript★ 30915 лип. 2026 р.
Apache-2.015 лип. 2026 р. · метрики 2.10.0
PyPI
81Відміннийіндекс здоров'я
desy-ml/cheetah
Fast and differentiable particle accelerator optics simulation for reinforcement learning and optimisation applications.
Python · Jupyter Notebook★ 69↓ 2 065/міс16 серп. 2026 р.
GPL-3.016 серп. 2026 р. · метрики 2.10.0
PyPI
80Відміннийіндекс здоров'я
ugr-sail/sinergym
Gym environment for building simulation and control using reinforcement learning
Python★ 23415 серп. 2026 р.
MIT15 серп. 2026 р. · метрики 2.10.0
PyPI
75Добрийіндекс здоров'я
freesolo-co/flash
LoRA post-training for open-weight models: SFT, GRPO, and on-policy distillation. Describe a run in TOML; Flash allocates a GPU, trains, streams checkpoints, and serves the adapter.
Python★ 2↓ 5 834/міс29 серп. 2026 р.
Apache-2.029 серп. 2026 р. · метрики 2.10.0
PyPI
73Добрийіндекс здоров'я
miskibin/py-draughts
Fastest Python draughts/checkers library — bitboards, 8 variants, alpha-beta engine, web UI. ~200x faster than pydraughts.
Python★ 16↓ 673/міс17 серп. 2026 р.
GPL-3.017 серп. 2026 р. · метрики 2.10.0
PyPI
71Добрийіндекс здоров'я
araffin/sbx
SBX: Stable Baselines Jax (SB3 + Jax) RL algorithms
Python★ 608↓ 1 960/міс6 вер. 2026 р.
MIT6 вер. 2026 р. · метрики 2.10.0
npm · PyPI
67Добрийіндекс здоров'я
alex-jb/orallexa-ai-trading-agent
Self-tuning multi-agent AI trading system. 8-source signal fusion, Bull/Bear/Judge debate on Claude Opus 4.7, Kelly + ATR position sizing. Python · Kalshi + Polymarket adapters.
Python · TypeScript★ 6026 лип. 2026 р.
MIT26 лип. 2026 р. · метрики 2.10.0
65Добрийіндекс здоров'я
JuliaPOMDP/POMDPs.jl
MDPs and POMDPs in Julia - An interface for defining, solving, and simulating fully and partially observable Markov decision processes on discrete and continuous spaces.
Julia★ 7648 серп. 2026 р.
Власна ліцензія8 серп. 2026 р. · метрики 2.10.0