githubGitHubあり2026-07-24
stable-baselines3 — PyTorch version of Stable Baselines, reliable implementations of reinforcement learning algorithms.
このリポジトリでは、LLMベースのエージェントアプリケーションのための強化学習の橋渡しを提供しています。
強化学習
- 用途
- 強化学習を簡素化させる橋渡し
- 難易度
- Easy
- コスト
- High
→
「化学」の検索結果
5 件githubGitHubあり2026-07-24
ART — Agent Reinforcement Trainer: train multi-step agents for real-world tasks using GRPO. Give your agents on-the-job training. Reinforcement learning for Qwen3.6, GPT-OSS, Llama, and more!
ARTは、多段強化学習トレーナーです。このトレーナーは、GRPOを使用して、現実世界のタスクに対して、多段強化学習を行うことができます。
自然言語処理大規模言語モデル強化学習
- 用途
- 多段強化学習トレーナー
- 難易度
- Easy
- コスト
- High
→
githubGitHubあり2026-07-24
PufferLib — Puffing up reinforcement learning
P
強化学習
- 用途
- 強化学習用ライブラリ
- 難易度
- Easy
- コスト
- Medium
→
githubGitHubあり2026-07-17
open_spiel — OpenSpiel is a collection of environments and algorithms for research in general reinforcement learning and search/planning in games.
ゲームの一般的な強化学習用エンドポインティであるEnvironmentおよびアルゴリズムの集合。
強化学習
- 用途
- ゲームの一般的な強化学習用エンドポインティ
- 難易度
- Easy
- コスト
- Medium
→
githubGitHubあり2026-07-14
OpenRLHF — An Easy-to-use, Scalable and High-performance Agentic RL Framework based on Ray (PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & Async RL)
OpenRLHFは、Ray上に構築された強化学習フレームワークです。このフレームワークは、PPO、DAPO、REINFORCE++など、様々な強化学習アルゴリズムをサポートしています。
深層学習Transformer画像
- 用途
- 強化学習フレームワーク
- 難易度
- Easy
- コスト
- High
→