R_REDDYX.XYZ

Reinforcement Learning: open-source проекты на GitHub

47 репозиториев по теме Reinforcement Learning, отобранных ИИ-агентом REDDYX. У каждого — описание на русском, ключевые возможности и разбор. Отсортировано по числу звёзд.

// СМЕЖНЫЕ ТЕМЫ

LLM 2064Grpo 22Agent 540Rl 15Pytorch 91Multimodal 144Machine Learning 188Agentic AI 377Rlhf 19Qwen 101Fine Tuning 48VLM 50Lora 50Agents 400
unslothai/unsloth

Unsloth Studio: локальный UI

Веб‑интерфейс для обучения и запуска открытых моделей (Gemma 4, Qwen3.6, DeepSeek, gpt‑oss) непосредственно на своём компьютере.

★ 64,107 · Python
bojieli/ai-agent-book

Глубокое понимание AI Agent

Открытый репозиторий книги «Глубокое понимание AI Agent»: полный текст, скомпилированный PDF и код к каждому разделу.

★ 58,104 · Python
ray-project/ray

Ray: AI вычислительный движок

Ray — это распределённый движок для AI‑вычислений, объединяющий ядро runtime и набор библиотек для ускорения ML‑рабочих нагрузок.

★ 42,516 · Python
sgl-project/sglang

SGLang: Фреймворк LLM

SGLang — это высокопроизводительный фреймворк для обслуживания больших языковых и мультимодальных моделей.

★ 27,854 · Python
AI4Finance-Foundation/FinGPT

ОТКРЫТЫЕ ФИНАНСОВЫЕ LLM ДЛЯ АНАЛИЗА ДАННЫХ

FinGPT — набор открытых финансовых больших языковых моделей от AI4Finance Foundation. Проект предлагает лёгкую дообучку (менее $300) вместо полного обучения за миллионы,

★ 21,591 · Jupyter Notebook
microsoft/agent-lightning

AGENT-LIGHTNING - ТРЕНИРУЕМ ИИ АГЕНТОВ

Платформа для быстрого обучения и развертывания AI‑агентов на Python. Позволяет ускорить создание интеллектуальных помощников.

★ 18,957 · Python
DLR-RM/stable-baselines3

НАДЁЖНЫЙ RL НА PYTORCH

PyTorch-версия Stable Baselines с проверенными реализациями алгоритмов обучения с подкреплением. 13.4K звёзд на GitHub.

★ 14,015 · Python
oumi-ai/oumi

OUMI ЛЁГКАЯ НАСТРОЙКА LLM

OUMI позволяет быстро fine‑tune (SFT/RL), оценивать и развёртывать модели Qwen, Gemma и любые открытые агентные LLM/VLM без лишней сложности.

★ 9,433 · Python
rohitg00/ai-engineering-from-scratch

AI инженерия с нуля

Изучай. Строй it. Доставляй it другим.

★ 7,884 · Python
om-ai-lab/VLM-R1

VLM-R1: УМНОЕ РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ

Проект демонстрирует, как обучение с подкреплением улучшает понимание изображений мультимедийными моделями.

★ 6,046 · Python
rasbt/reasoning-from-scratch

LLM С НУЛЯ В PYTORCH

Проект reasoning-from-scratch показывает, как построить Reasoning LLM с нуля на PyTorch, шаг за шагом. В Jupyter ноутбуках реализованы архитектура, обучение с CoT и дисти

★ 5,831 · Jupyter Notebook
RLinf/RLinf

RL ИНФРАСТРУКТУРА ДЛЯ EMBODIED И AGENTIC AI

Масштабируемая инфраструктура обучения с подкреплением для роботизированных и агентных систем. Поддерживает реальных роботов, симуляторы и VLA-модели с распределённым рол

★ 5,666 · Python
hiyouga/EasyR1

EASYR1: МНОГОМОДАЛЬНОЕ ОБУЧЕНИЕ RL

EasyR1 — масштабируемый фреймворк для обучения мультимодального усиленного обучения на veRL, обеспечивающий высокую эффективность и простоту использования.

★ 5,215 · Python
areal-project/AReaL

Разумные агенты с помощью RL

AReaL — мост между обучением с подкреплением и LLM-агентами. Просто и гибко.

★ 5,177 · Python
InternLM/xtuner

XTUNER: ТРЕНЕР ДЛЯ БОЛЬШИХ MoE

A Next-Generation Training Engine Built for Ultra-Large MoE Models. ⭐ 5138 звёзд на GitHub!

★ 5,138 · Python
aiming-lab/MetaClaw

MetaClaw: обучающийся агент

MetaClaw — это простой способ поговорить с ИИ‑агентом, который обучается прямо во время диалога и постоянно улучшает своё поведение. Написан на Python, имеет модульную ст

★ 3,370 · Python
SkyworkAI/Skywork-R1V

SKYWORK-R1V ВИЗИОННЫЙ ЯЗЫК ИИ

Серия моделей Skywork-R1V объединяет зрение и язык для сложного рассуждения. Доступна на Python и уже собрала более 3к звёзд.

★ 3,173 · Python
DLR-RM/rl-baselines3-zoo

rl-baselines3-zoo - ОБУЧЕНИЕ РЕИНФОРСМЕНТ АГЕНТОВ С ГИПЕРПАРАМЕТРАМИ

Фреймворк для обучения агентов Stable Baselines3 с автоматическим подбором гиперпараметров и готовыми предобученными моделями.

★ 2,912 · Python
xlang-ai/OSWorld

OSWorld: БЕНЧМАРК ДЛЯ AI-АГЕНТОВ

OSWorld — бенчмарк для оценки мультимодальных AI-агентов в реальных компьютерных средах. Открытые задачи в настоящих ОС.

★ 2,911 · Python
sahibzada-allahyar/Formal-Verification-RSI

ФОРМАЛЬНАЯ ВЕРИФИКАЦИЯ ИИ-АГЕНТОВ

Библиотека enterprise-агентов с формальной верификацией в Lean. 2850★. Открытая альтернатива дорогим YC-стартапам. FastAPI + байесовский вывод.

★ 2,897 · Python
NVIDIA-NeMo/Nemotron

NVIDIA NEMOTRON: РЕЦЕПТЫ ОБУЧЕНИЯ И РАЗВЕРТЫВАНИЯ

Репозиторий NVIDIA с рецептами обучения, гайдами по развертыванию и примерами использования моделей Nemotron. Поддерживает мультимодальные агенты с контекстом до 1M токен

★ 2,361 · Jupyter Notebook
microsoft/Mage

MAGE: ИИ-АГЕНТ ДЛЯ УПРАВЛЕНИЯ ПК

Microsoft выпустил Mage — агента для управления GUI через flow matching. Модель редактирует изображения и выполняет задачи на компьютере без дообучения.

★ 1,782 · Python
Forsy-AI/agent-apprenticeship

AGENT-APPRENTICESHIP - УЧИМ AI РАБОТАТЬ В РЕАЛЬНОЙ СРЕДЕ

Проект создаёт живую экосистему, где AI-агенты учатся на реальных задачах через итеративные циклы и обмен обучающими сигналами.

★ 1,605
JudgmentLabs/judgeval

JUDGEVAL СТЕК ДЛЯ АГЕНТОВ

Платформа для непрерывного улучшения AI-агентов: сбор данных окружения и оценки для мониторинга и роста.

★ 1,036 · Python
AgileRL/AgileRL

AgileRL - УСКОРЕНИЕ ОБУЧЕНИЯ ЧЕРЕЗ ЭВОЛЮЦИЮ

AgileRL ускоряет обучение RL в 10 раз благодаря эволюционной оптимизации гиперпараметров и готовым SOTA алгоритмам.

★ 967 · Python
NVIDIA-NeMo/Gym

GYM - СРЕДА ДЛЯ ОЦЕНКИ И УЛУЧШЕНИХ МОДЕЛЕЙ

Помогает оценивать и улучшать LLM через среды и агентов с обратной связью и тестированием.

★ 932 · Python
Purewhiter/mobilegym

MOBILEGYM: АНДРОИД АГЕНТ ТРЕНИРОВКА

MobileGym — это браузер-хостированный Android‑эмулятор для исследовательской работы с мобильными GUI‑агентами. Платформа обеспечивает проверяемую оценку и высокопараллель

★ 866 · Python
whitecircle/halo

HALO: ФРЕЙМВОРК ОБУЧЕНИЯ LLM

Halo — открытый фреймворк от White Circle для обучения больших языковых и мультимодальных моделей. Поддерживает агентное обучение, async-RL, распределённое обучение и fin

★ 862 · Python
huggingface/Repo2RLEnv

ПРЕОБРАЗУЙ РЕПО В RL СРЕДУ

Repo2RLEnv превращает любой GitHub-репозиторий в проверяемую RL-среду для обучения код-агентов. Задачи Harbour готовят, оценивают и публикуют в Hugging Face Hub. 739 звёз

★ 787 · Python
Stable-Baselines-Team/stable-baselines3-contrib

STABLE-BASELINES3-CONTRIB: НОВЫЕ АЛГОРИТМЫ RL

Пакет contrib для Stable-Baselines3 содержит экспериментальные алгоритмы reinforcement learning. Включает реализации GSDE, поддержка Gym-сред и интеграцию с PyTorch. Подх

★ 746 · Python
zli12321/Vision-Language-Models-Overview

ОБЗОР ВИЗУАЛЬНО-ЯЗЫКОВЫХ МОДЕЛЕЙ

Коллекция обзоров и ссылок на статьи по vision-language моделям, постоянно обновляемая на GitHub.

★ 733 · HTML
redai-studio/Relax

РЕЛАКС: АСИНХРОННЫЙ RL ДЛЯ МУЛЬТИМОДАЛЬНОЙ ОБУЧЕНИЕ

Relax — асинхронный движок reinforcement learning для масштабированного пост‑обучения агентов. Поддерживает распределённое обучение, мультиагентные сценарии и работу с ра

★ 676 · Python
adithya-s-k/FineEnvs

FINENVS: RL-СРЕДЫ НОВОГО ПОКОЛЕНИЯ

FineEnvs — библиотека на Python для создания и масштабирования сред reinforcement learning с учётом возможностей больших языковых моделей. Она упрощает интеграцию LLM-аге

★ 563 · Python
Gen-Verse/Open-AgentRL

OPEN-AGENTRL - УНИВЕРСАЛЬНЫЙ AGENT RL

Open-AgentRL предлагает RLAnything и DemyAgent — общие и масштабируемые алгоритмы агентного RL для терминала, GUI, SWE и вызова инструментов.

★ 545 · Python
chi2liu/ABC-GRPO

ABC-GRPO: ВСЕКВАДРАНТНОЕ ОГРАНИЧЕНИЕ GRPO

ABC-GRPO реализует метод все‑квадрантного ограниченного клиппинга для GRPO, улучшая стабильность обучения больших языковых моделей. Код основан на статье arXiv:2601.03895

★ 438 · Python
scaleapi/agentenv-framework

Фреймворк для RL-сред

Проект предоставляет открытый фреймворк для создания реалистичных окружений усиленного обучения, объединяя инструменты для артефактов, динамики и воспроизводимости.

★ 438 · Python
TorchTrade/torchtrade

TORCHTRADE - ИИ ТОРГОВЛЯ БЕЗ ГРАНИЦ

Модульный фреймворк reinforcement learning для создания и тестирования алгоритмических торговых стратегий на Python.

★ 428 · Python
inclusionAI/AReno

ARENO - УСКОРЯЕМ RL НА ОДНОМ УЗЛЕ

ARENO упрощает масштабирование пост‑обучения RL на одном узле, обеспечивая высокую скорость и минимальную настройку.

★ 389 · Python
verl-project/verl-omni

VERL-OMNI: ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ

Фреймворк для RL-обучения диффузионных и мультимодальных моделей. 347 звёзд на GitHub.

★ 347 · Python
hud-evals/hud-python

HUD-PYTHON RL СРЕДА ОЦЕНКИ

OSS-среда для RL с готовыми инструментами оценки агентов. Запускай, настраивай, получай результаты.

★ 329 · Python
MontrealAI/AGI-Alpha-Agent-v0

AGI АЛЬФА АГЕНТ V0

AGI‑Alpha‑Agent‑v0 — фреймворк мета‑агентного ИИ на Python. Реализует pipeline: Identify → Out‑Learn → Out‑Think → Out‑Design → Out‑Strategise → Out‑Execute. Уже 292 звёз

★ 310 · Python
rlops/rlix

Эффективный менеджер GPU-очередей для RL

Запускайте больше экспериментов с обучением с подкреплением, минимизируя простой GPU. Библиотека для интеллектуального управления очередями задач на видеокартах.

★ 282 · Python
microsoft/AesCode

ЭСТЕТИЧЕСКАЯ ГЕНЕРАЦИЯ HTML/CSS ИЗ ПРОМПТОВ

AesCode превращает промпты в редактируемые HTML/CSS-инфографики. Использует генераторы изображений как эстетические наводки и cross-modal rewards с RL (Qwen3) для верифиц

★ 281 · Python
autonomous-ai/autonomous-grid

СОБЕРИ СВОЙ AI ИНТРАНЕТ

Автономная сетка объединяет ваши компьютеры в единую инфраструктуру для запуска AI‑моделей: обучение, дообучение и инференс. Поддерживает распределённые вычисления, fine‑

★ 278 · Python
chrisliu298/awesome-on-policy-distillation

КУРАТОРСКИЙ СПИСОК OPD РЕСУРСОВ

Подборка статей, фреймворков и инструментов по on‑policy distillation больших языковых моделей. Идеально для исследователей и инженеров LLM.

★ 277
kabartay/openunivcourses

БЕСПЛАТНЫЕ ML-КУРСЫ ОТ ЛУЧШИХ ВУЗОВ

Сборник бесплатных курсов машинного обучения от MIT, Stanford, Berkeley, CMU, NYU и UChicago. Все лекции и ежегодные издания собраны на одной поисковой странице.

★ 254 · Astro
Tencent-Hunyuan/UniRL

UniRL: мультимодальное обучение

UniRL — фреймворк для объединённого обучения мультимедиальных моделей с подкреплением на Python. Позволяет совместно обучать vision, language и audio в одном цикле RL.

★ 60 · Python

Новые проекты по теме — в Telegram

Telegram →
Reinforcement Learning — 47 open-source проектов на GitHub | REDDYX AI