PyPI
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.
Apache-2.02026年10月21日 · 指标 2.10.0
全部标签
目录标签
#reinforcement-learning
公开记录中带有此标签的全部仓库——标签来自其 GitHub 主题或软件包注册表发布的关键词。健康度量遵循与记录其余部分相同的版本化方法论。
52 条记录
PyPI · crates.io
tsilva/env-BreakoutAtari2600-turbo-native
🕹️ Blazing-fast, deterministic Breakout for Reinforcement Learning 🕹️
MIT2026年9月14日 · 指标 2.10.0
PyPI
miskibin/py-draughts
Fastest Python draughts/checkers library — bitboards, 8 variants, alpha-beta engine, web UI. ~200x faster than pydraughts.
GPL-3.02026年10月19日 · 指标 2.10.0
PyPI
open-thought/reasoning-gym
[NeurIPS 2025 Spotlight] Reasoning Environments for Reinforcement Learning with Verifiable Rewards
Apache-2.02026年10月8日 · 指标 2.10.0
PyPI
NVIDIA-Omniverse/PhysX
NVIDIA PhysX SDK
BSD-3-Clause2026年10月15日 · 指标 2.10.0
PyPI
araffin/sbx
SBX: Stable Baselines Jax (SB3 + Jax) RL algorithms
MIT2026年9月6日 · 指标 2.10.0
PyPI · npm
Furox-Art/scientific-computing-system-2.0
Scientific computing platform on NumPy/SciPy/pandas/matplotlib: linear algebra, stats, optimization, signals, ML, information theory, chaos, Bayes, metaheuristics, geometry and RL.
MIT2026年9月29日 · 指标 2.10.0
PyPI · crates.io
rjpower/shellsim
Rust shell sandbox
Apache-2.02026年10月10日 · 指标 2.10.0
PyPI · crates.io
tsilva/env-SuperMarioBrosNes-turbo-emu
🍄 More Mario rollouts. Less waiting. ⚡
MIT2026年9月9日 · 指标 2.10.0
npm · PyPI
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.
MIT2026年9月13日 · 指标 2.10.0
—
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.
自定义许可证2026年9月17日 · 指标 2.10.0
Go · npm
scitix/Agent-Sandbox
Fast, Multi-Cloud Sandbox Engine for AI Agents
Apache-2.02026年9月14日 · 指标 2.10.0
PyPI
unilabsim/unilab_rl
该仓库未发布描述。
Apache-2.02026年10月9日 · 指标 2.10.0
PyPI
whilehq/whileai-sdk
While Python SDK (formerly zeroproof): trace ingest, agent simulations, grading, and training data for post-training
Apache-2.02026年9月18日 · 指标 2.10.0
npm
ruvnet/agentdb
Vector memory that gets smarter every time your agent uses it.
MIT2026年9月13日 · 指标 2.10.0
PyPI
datenwissenschaften/retro-speedlab-core
Recurrent PPO + RND reinforcement-learning engine with vectorized environments, resumable checkpoints, and telemetry.
GPL-3.02026年9月22日 · 指标 2.10.0
PyPI
bulletphysics/bullet3
Bullet Physics SDK: real-time collision detection and multi-physics simulation for VR, games, visual effects, robotics, machine learning etc.
自定义许可证2026年9月17日 · 指标 2.10.0
PyPI
GPL-3.02026年9月10日 · 指标 2.10.0
—
JuliaReinforcementLearning/ReinforcementLearning.jl
A reinforcement learning package for Julia
自定义许可证2026年9月17日 · 指标 2.10.0
npm · PyPI
VowpalWabbit/vowpal_wabbit
Vowpal Wabbit is a machine learning system which pushes the frontier of machine learning with techniques such as online, hashing, allreduce, reductions, learning2search, active, and interactive learning.
自定义许可证2026年9月23日 · 指标 2.10.0
PyPI
waybarrios/crystal
CRYSTAL: Beyond Final Answers: Benchmark for Transparent Multimodal Reasoning Evaluation | arXiv 2603.13099
无许可证2026年7月17日 · 指标 2.10.0
—
Trajectorylabs/trajectory-cookbook
Practical recipes for adapting benchmarks, training models, and measuring reward with the Trajectory SDK.
Apache-2.02026年10月10日 · 指标 2.10.0