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
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 · PythonГлубокое понимание AI Agent
Открытый репозиторий книги «Глубокое понимание AI Agent»: полный текст, скомпилированный PDF и код к каждому разделу.
★ 58,104 · PythonRay: AI вычислительный движок
Ray — это распределённый движок для AI‑вычислений, объединяющий ядро runtime и набор библиотек для ускорения ML‑рабочих нагрузок.
★ 42,516 · PythonSGLang: Фреймворк LLM
SGLang — это высокопроизводительный фреймворк для обслуживания больших языковых и мультимодальных моделей.
★ 27,854 · PythonОТКРЫТЫЕ 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 NotebookAGENT-LIGHTNING - ТРЕНИРУЕМ ИИ АГЕНТОВ
Платформа для быстрого обучения и развертывания AI‑агентов на Python. Позволяет ускорить создание интеллектуальных помощников.
★ 18,957 · PythonНАДЁЖНЫЙ RL НА PYTORCH
PyTorch-версия Stable Baselines с проверенными реализациями алгоритмов обучения с подкреплением. 13.4K звёзд на GitHub.
★ 14,015 · PythonOUMI 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 · PythonAI инженерия с нуля
Изучай. Строй it. Доставляй it другим.
★ 7,884 · PythonVLM-R1: УМНОЕ РАСПОЗНАВАНИЕ ИЗОБРАЖЕНИЙ
Проект демонстрирует, как обучение с подкреплением улучшает понимание изображений мультимедийными моделями.
★ 6,046 · PythonLLM 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 NotebookRL 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 · PythonEASYR1: МНОГОМОДАЛЬНОЕ ОБУЧЕНИЕ RL
EasyR1 — масштабируемый фреймворк для обучения мультимодального усиленного обучения на veRL, обеспечивающий высокую эффективность и простоту использования.
★ 5,215 · PythonРазумные агенты с помощью RL
AReaL — мост между обучением с подкреплением и LLM-агентами. Просто и гибко.
★ 5,177 · PythonXTUNER: ТРЕНЕР ДЛЯ БОЛЬШИХ MoE
A Next-Generation Training Engine Built for Ultra-Large MoE Models. ⭐ 5138 звёзд на GitHub!
★ 5,138 · PythonMetaClaw: 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 · PythonSKYWORK-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 · Pythonrl-baselines3-zoo - ОБУЧЕНИЕ РЕИНФОРСМЕНТ АГЕНТОВ С ГИПЕРПАРАМЕТРАМИ
Фреймворк для обучения агентов Stable Baselines3 с автоматическим подбором гиперпараметров и готовыми предобученными моделями.
★ 2,912 · PythonOSWorld: БЕНЧМАРК ДЛЯ AI-АГЕНТОВ
OSWorld — бенчмарк для оценки мультимодальных AI-агентов в реальных компьютерных средах. Открытые задачи в настоящих ОС.
★ 2,911 · PythonФОРМАЛЬНАЯ ВЕРИФИКАЦИЯ ИИ-АГЕНТОВ
Библиотека enterprise-агентов с формальной верификацией в Lean. 2850★. Открытая альтернатива дорогим YC-стартапам. FastAPI + байесовский вывод.
★ 2,897 · PythonNVIDIA 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 NotebookMAGE: 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 · PythonAGENT-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.
★ 1,605JUDGEVAL СТЕК ДЛЯ АГЕНТОВ
Платформа для непрерывного улучшения AI-агентов: сбор данных окружения и оценки для мониторинга и роста.
★ 1,036 · PythonAgileRL - УСКОРЕНИЕ ОБУЧЕНИЯ ЧЕРЕЗ ЭВОЛЮЦИЮ
AgileRL ускоряет обучение RL в 10 раз благодаря эволюционной оптимизации гиперпараметров и готовым SOTA алгоритмам.
★ 967 · PythonGYM - СРЕДА ДЛЯ ОЦЕНКИ И УЛУЧШЕНИХ МОДЕЛЕЙ
Помогает оценивать и улучшать LLM через среды и агентов с обратной связью и тестированием.
★ 932 · PythonMOBILEGYM: АНДРОИД АГЕНТ ТРЕНИРОВКА
MobileGym — это браузер-хостированный Android‑эмулятор для исследовательской работы с мобильными GUI‑агентами. Платформа обеспечивает проверяемую оценку и высокопараллель
★ 866 · PythonHALO: 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 · PythonПРЕОБРАЗУЙ 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 · PythonSTABLE-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 · PythonОБЗОР ВИЗУАЛЬНО-ЯЗЫКОВЫХ МОДЕЛЕЙ
Коллекция обзоров и ссылок на статьи по vision-language моделям, постоянно обновляемая на GitHub.
★ 733 · HTMLРЕЛАКС: 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 · PythonFINENVS: 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 · PythonOPEN-AGENTRL - УНИВЕРСАЛЬНЫЙ AGENT RL
Open-AgentRL предлагает RLAnything и DemyAgent — общие и масштабируемые алгоритмы агентного RL для терминала, GUI, SWE и вызова инструментов.
★ 545 · PythonABC-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 · PythonФреймворк для RL-сред
Проект предоставляет открытый фреймворк для создания реалистичных окружений усиленного обучения, объединяя инструменты для артефактов, динамики и воспроизводимости.
★ 438 · PythonTORCHTRADE - ИИ ТОРГОВЛЯ БЕЗ ГРАНИЦ
Модульный фреймворк reinforcement learning для создания и тестирования алгоритмических торговых стратегий на Python.
★ 428 · PythonARENO - УСКОРЯЕМ RL НА ОДНОМ УЗЛЕ
ARENO упрощает масштабирование пост‑обучения RL на одном узле, обеспечивая высокую скорость и минимальную настройку.
★ 389 · PythonVERL-OMNI: ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ
Фреймворк для RL-обучения диффузионных и мультимодальных моделей. 347 звёзд на GitHub.
★ 347 · PythonHUD-PYTHON RL СРЕДА ОЦЕНКИ
OSS-среда для RL с готовыми инструментами оценки агентов. Запускай, настраивай, получай результаты.
★ 329 · PythonAGI 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 · PythonЭффективный менеджер GPU-очередей для RL
Запускайте больше экспериментов с обучением с подкреплением, минимизируя простой GPU. Библиотека для интеллектуального управления очередями задач на видеокартах.
★ 282 · PythonЭСТЕТИЧЕСКАЯ 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 · PythonСОБЕРИ СВОЙ AI ИНТРАНЕТ
Автономная сетка объединяет ваши компьютеры в единую инфраструктуру для запуска AI‑моделей: обучение, дообучение и инференс. Поддерживает распределённые вычисления, fine‑
★ 278 · PythonКУРАТОРСКИЙ СПИСОК OPD РЕСУРСОВ
Подборка статей, фреймворков и инструментов по on‑policy distillation больших языковых моделей. Идеально для исследователей и инженеров LLM.
★ 277БЕСПЛАТНЫЕ 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 · AstroUniRL: 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 · PythonНовые проекты по теме — в Telegram
Telegram →