「reinforcement」の検索結果
44 件paperless-ngxは、コミュニティによってサポートされたスーパーチャージドのドキュメント管理システムで、ドキュメントのスキャン・インデックス・アーカイブが可能である。
Pythonでマシンラーニングアプリを作成・共有することができるライブラリです。
ゲーム『明日方舟』の支援ツール。全日常のタスクを一括で実行可能。
LLMの推論 Transparency を高めるために、DiffusionGemmaの計算を分離しVariable Transparency とAlgorithmic Transparencyを評価します。
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。
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。
P
このリポジトリでは、AIエンジニアリングのためのリソースを提供しています。
Agent Skills package reusable procedural knowledge as external artifacts for frozen language-model agents, yet
クエンティング投資プラットフォームを実現するためにAI技術を活用します。
このリポジトリでは、Lecture Learning Modelsに対してReinforcement Learningを実行するライブラリを提供しています。
Unityを使用してマシンラーニングエージェントを訓練して訓練できるツールです。
Large language models (LLMs) have been widely applied to automated essay scoring (AES) and automated feedback
この研究では、平衡方程式を満たすPINNs（物理基準付きニューラルネットワーク）を使用して、平均脱出時間の計算を目的とした椭球型境界条件付きPINNsを提案し、PINNsを使用した計算と実験室データを比較します。
オリジナルのデータとZoom-Inのツールを組み合わせた方法、OmniReasonerを提案する。これにより、オリンモードルLLMsの長いオーディオビデオの論理的推論を改善できる。
Reinforcement learning with verifiable rewards (RLVR) is rapidly advancing the reasoning capabilities of langu
Mathematical Foundations of Reinforcement Learningは、ディープラーニングにおける推論力学習の数学的基礎を網羅している。
The global competition for developing robotic foundation models is intensifying. Among the data collection sys
Real-time EEG classification on edge devices is bottlenecked by the floating-point arithmetic of conventional
Video spatial reasoning is essential for navigation-oriented perception and long-video question answering, whe
Gymnasiumは、シングルエージェントRLの疑似環境を提供するAPIです。
Video multimodal large language models (MLLMs) can describe what happens in a video, but rarely identify when
Large language model (LLM) post-training is essential for improving reasoning, adaptation, and alignment. Exis
Safety validation at signalized intersections remains a critical bottleneck for the deployment of autonomous d
Entropy control has become an effective tool in reinforcement learning (RL) of large language models (LLMs), h
Mobile graphical user interface (GUI) agents have demonstrated remarkable capabilities in automating complex t
The post-training of Vision-Language-Action (VLA) models is essential due to the diversity of simulators, robo
Reinforcement learning (RL) has become central to improving large language models (LLMs) on complex reasoning
Muon is competitive with AdamW in large-scale pre-training, but its value for reinforcement-learning (RL) post
Despite strong capabilities in data understanding and decision-making, autonomous data science agents still he
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。
On-policy distillation is an alternative post-training method in reinforcement learning that alleviates the co
Reinforcement learning with verifiable rewards (RLVR) commonly uses entropy for advantage shaping. However, en
Vowpal Wabbitは、機械学習を進歩させるためのオンライン学習、ハッシュ、reduceなどの強力なアルゴリズムを含むシステムです。その結果、さまざまな問題に応じて、高品質な解決策を提供できます。
We introduce Self-Verified Reasoner (SVR-R1), a multi-turn RL framework that turns a model's own verification
Reinforcement learning for large language models (LLMs) typically relies on trust-region masks to stabilize of
Reinforcement learning (RL) has become a dominant paradigm for enhancing LLMs' reasoning capabilities. However
Training tool-use agents to improve from their own experience remains challenging, as supervised fine-tuning r
Reinforcement learning from verifiable rewards (e.g. GRPO) is the engine behind today's reasoning models, yet
この研究はDeep Reinforcement Learningに関する学習用リポジトリです。
格闘ゲームNeutral Playにおける非確定情報ゲームを取り扱い、非確定情報ゲーム向けのオープンソース環境 FootsiesGymを開発した。
The temporal structure of reward composition in reinforcement learning (RL) is typically hand-designed and hel
NeuroEvolution of Augmenting Topologies (NEAT) is a widely used neuroevolution algorithm for learning neural n
Recent growth in reinforcement learning (RL) has surfaced a need for diverse, specialized training environment