githubGitHubあり2026-11-04
MaaAssistantArknights — 《明日方舟》小助手，全日常一键长草！| A one-click tool for the daily tasks of Arknights, supporting all clients.
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。
強化学習方策勾配 (PPO / A3C)
- 用途
- ゲームの支援ツール
- 難易度
- Easy
- コスト
- Medium
→
「reinforcement」の検索結果
42 件githubGitHubあり2026-11-04
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
→
arxivGitHubあり2026-11-03
Where Did the Update Go? Certifying Declared Change Envelopes for Model Updates
Deployed language models are updated continually, and regulators increasingly accept changes that were declare
自然言語処理ファインチューニング回帰テキスト強化学習
- 用途
- 回帰
- 難易度
- Hard
- コスト
- High
→
githubGitHubあり2026-11-03
gradio — Build and share delightful machine learning apps, all in Python. 🌟 Star to support our work!
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。
強化学習方策勾配 (PPO / A3C)画像
- 用途
- マシンラーニングアプリ作成
- 難易度
- Easy
- コスト
- Medium
→
githubGitHubあり2026-11-03
machine-learning-for-trading — Code for Machine Learning for Trading, 3rd edition — from data sourcing to live execution.
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。
強化学習
- 用途
- LLMの透明性、誤用、過度安定化を理解する
- 難易度
- Easy
- コスト
- High
→
arxivGitHubあり2026-11-02
WebHarbor: Docking Real Websites for Evolving GUI Agent Environments
GUI web agents require realistic and interactive environments that remain stable during both evaluation and tr
深層学習軽量化・量子化画像強化学習
- 用途
- 技術検証・論文読解補助
- 難易度
- Hard
- コスト
- High
→
arxivGitHubあり2026-11-02
Not All Reasoning Generalizes: A Case Study on Learning Generalizable Reasoning Strategies in RLVR
Reinforcement learning with verifiable rewards (RLVR) can enable generalizable improvement for large language
自然言語処理大規模言語モデル異常検知テキスト強化学習
- 用途
- 異常検知
- 難易度
- Hard
- コスト
- High
→
arxivGitHubあり2026-11-02
An Axiomatic Framework for Reinforcement Learning in Open Multi-Agent Systems
Open multi-agent systems, where only a subset of agents are controllable, are central to real-world domains su
強化学習方策勾配 (PPO / A3C)
- 用途
- 技術検証・論文読解補助
- 難易度
- Hard
- コスト
- Medium
→
arxivGitHubあり2026-11-02
The Cost of Mismatch: Noise Amplification in Zeroth-Order Reinforcement Learning
Zeroth-order (ZO) optimization has emerged as a promising approach for memory-efficient large language model (
深層学習軽量化・量子化テキスト強化学習
- 用途
- 技術検証・論文読解補助
- 難易度
- Hard
- コスト
- High
→
arxivGitHubあり2026-11-02
Dhārā Bench: An Evidence-Oriented Retrieval Benchmark for Indian Knowledge Systems
Dhārā Bench is a retrieval benchmark for Indian Knowledge Systems (IKS), with 325 questions in 12 categories a
強化学習方策勾配 (PPO / A3C)テキスト
- 用途
- 技術検証・論文読解補助
- 難易度
- Hard
- コスト
- Low
→
arxivGitHubあり2026-11-02
TRAILS: Trajectory Generation for Automated Indoor Locomotion Studies
Virtual reality experiments involving navigation and simulated robot motion often require large, realistic env
強化学習生成
- 用途
- 生成
- 難易度
- Hard
- コスト
- Medium
→
arxivGitHubあり2026-11-02
FineCraft: Enhancing VLA Models for Fine-Grained Manipulation
Fine-grained manipulation couples instruction grounding, local visual precision, and sustained execution. We p
強化学習画像
- 用途
- 技術検証・論文読解補助
- 難易度
- Hard
- コスト
- High
→
arxivGitHubあり2026-11-02
KlaskTron: An Open-Source Platform for Physical Adversarial Multi-Agent RL
Progress in robot learning, particularly physical multi-agent reinforcement learning (MARL), is currently chal
自然言語処理プロンプトエンジニアリングテキスト強化学習
- 用途
- 技術検証・論文読解補助
- 難易度
- Hard
- コスト
- Medium
→
arxivGitHubあり2026-11-02
BeyondContact: A Reinforcement Learning Framework for Airflow-Based Non-Contact Manipulation
Contact-based robotic manipulation is constrained by end-effector reachability and the mechanical properties o
MI向き深層学習軽量化・量子化強化学習
- 用途
- 技術検証・論文読解補助
- 難易度
- Hard
- コスト
- High
→
githubGitHubあり2026-11-02
annotated_deep_learning_paper_implementations — 🧑🏫 60+ Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠
🧑🏫 60+ Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers
深層学習Transformer強化学習
- 用途
- 実装・検証基盤
- 難易度
- Easy
- コスト
- Medium
→
huggingfaceHugging Faceあり2026-11-01
NorthCUA Technical Report: Turbocharging Computer-Use Agents through Experience at Scale
Scaling computer-use agents from individual actions to complex software work requires experience that connects
品質予測/異常検知自然言語処理ファインチューニング生成強化学習
- 用途
- 生成
- 難易度
- Easy
- コスト
- High
→
arxivGitHubあり2026-10-30
OpenVIO: A Versatile Open-Source Visual-Inertial Odometry System
Visual-inertial odometry (VIO) is a fundamental topic in robotics research. Beyond research, VIO has been adop
強化学習方策勾配 (PPO / A3C)画像
- 用途
- 技術検証・論文読解補助
- 難易度
- Hard
- コスト
- Medium
→
huggingfaceHugging Faceあり2026-10-30
Latent Reasoning in Continuous Space for Unified Multimodal Models
Unified Multimodal Models (UMMs) achieve remarkable success on diverse multimodal understanding and generation
品質予測/異常検知自然言語処理大規模言語モデル生成画像テキスト
- 用途
- 生成
- 難易度
- Easy
- コスト
- High
→
githubGitHubあり2026-10-30
qlib — Qlib is an AI-oriented Quant investment platform that aims to use AI tech to empower Quant Research, from exploring ideas to implementing productions. Qlib supports diverse ML modeling paradigms, including supervised learning, market dynamics modeling, and RL, and is now equipped with https://github.com/microsoft/RD-Agent to automate R&D process.
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。
強化学習方策勾配 (PPO / A3C)教師あり
- 用途
- クエンティング投資プラットフォーム
- 難易度
- Easy
- コスト
- Medium
→
githubGitHubあり2026-10-30
ml-agents — The Unity Machine Learning Agents Toolkit (ML-Agents) is an open-source project that enables games and simulations to serve as environments for training intelligent agents using deep reinforcement learning and imitation learning.
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。
コンピュータビジョン3D・点群3D強化学習
- 用途
- Unityでマシンラーニングエージェント
- 難易度
- Easy
- コスト
- High
→
huggingfaceHugging Faceあり2026-10-29
CaPtain: A Pipeline for Post-Training Code-as-Policy Robot Agents
Across coding, web, and tool-use tasks, language-model agents are now routinely trained with the same recipe:
自然言語処理大規模言語モデルテキストマルチモーダル強化学習
- 用途
- 技術検証・論文読解補助
- 難易度
- Easy
- コスト
- High
→
huggingfaceHugging Faceあり2026-10-29
Probing Spatial State Representations in Visual Foundation Models
An observer sees only part of the surrounding world, yet must keep track of what lies beyond the current view.
強化学習方策勾配 (PPO / A3C)画像
- 用途
- 技術検証・論文読解補助
- 難易度
- Easy
- コスト
- Low
→
huggingfaceHugging Faceあり2026-10-29
When Requirements Interact: Scaling Long-Horizon Coding via Interdependent Specifications
To succeed in real-world long-horizon software development, coding agents must satisfy multi-dimensional task
MLOpsパイプライン構築生成強化学習
- 用途
- 生成
- 難易度
- Easy
- コスト
- High
→
huggingfaceHugging Faceあり2026-10-29
On the Origin and Evolution of Training-Inference Mismatch in LLM Reinforcement Learning
On-policy reinforcement learning for large language models assumes that training responses are sampled from th
自然言語処理大規模言語モデルテキスト強化学習
- 用途
- 技術検証・論文読解補助
- 難易度
- Easy
- コスト
- High
→
huggingfaceHugging Faceあり2026-10-29
MemSteer: Turning User Histories into Supervision for Agent Memory Optimization
An effective agent memory system should adapt to a user's history and task requirements. Human-annotated super
強化学習方策勾配 (PPO / A3C)生成テキスト
- 用途
- 生成
- 難易度
- Easy
- コスト
- Low
→
huggingfaceHugging Faceあり2026-10-29
Training Foundation Models with a Single Algorithm
Foundation models are typically trained in stages: pretraining, midtraining, supervised fine-tuning (SFT), and
自然言語処理RAG生成強化学習
- 用途
- 生成
- 難易度
- Easy
- コスト
- High
→
huggingfaceHugging Faceあり2026-10-29
Online Dense Reinforcement Learning with Planning-Grounding Agent for UI Navigation on Live IOS Apps
While frontier vision-language models demonstrate strong capabilities in user interface (UI) navigation, their
深層学習軽量化・量子化異常検知画像テキスト
- 用途
- 異常検知
- 難易度
- Easy
- コスト
- High
→
githubGitHubあり2026-10-29
Gymnasium — A standard API for single-agent reinforcement learning environments, with popular reference environments and related utilities (formerly Gym)
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。
強化学習
- 用途
- 疑似環境を提供する
- 難易度
- Easy
- コスト
- Medium
→
huggingfaceHugging Faceあり2026-10-28
Scaling Lean Theorem Proving for Real-World Code Verification
We present EasyProver, a Lean proving system built from recursive agents with isolated contexts, asynchronous
コンピュータビジョンセグメンテーションテキスト強化学習
- 用途
- 技術検証・論文読解補助
- 難易度
- Easy
- コスト
- High
→
huggingfaceGitHubありHugging Faceあり2026-10-27
Multi-Agent Relay Thinking
Existing multi-agent collaboration (MAC) methods have primarily explored a group thinking collaboration topolo
強化学習マルチエージェント
- 用途
- 技術検証・論文読解補助
- 難易度
- Easy
- コスト
- Medium
→
githubGitHubあり2026-10-27
Book-Mathematical-Foundation-of-Reinforcement-Learning — This is the homepage of a new book entitled "Mathematical Foundations of Reinforcement Learning."
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。
強化学習
- 用途
- ディープラーニングに関する本書の制作
- 難易度
- Easy
- コスト
- Medium
→
huggingfaceHugging Faceあり2026-10-26
CEPO: A General Framework for Improving Prompt Optimization in Multi-Agent Systems
Multi-agent systems (MAS) require both effective coordination and specialized task execution. Existing prompt
強化学習方策勾配 (PPO / A3C)テキスト
- 用途
- 技術検証・論文読解補助
- 難易度
- Easy
- コスト
- Medium
→
githubGitHubあり2026-10-26
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
→
githubGitHubあり2026-10-25
FinGPT — FinGPT: Open-Source Financial Large Language Models! Revolutionize 🔥 We release the trained model on HuggingFace.
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。
自然言語処理大規模言語モデルテキスト
- 用途
- 可搬性のあるReinforcement Learning
- 難易度
- Easy
- コスト
- High
→
githubGitHubあり2026-10-23
easy-rl — 强化学习中文教程（蘑菇书🍄），在线阅读地址：https://datawhalechina.github.io/easy-rl/
强化学习中文教程（蘑菇书🍄），在线阅读地址：https://datawhalechina.github.io/easy-rl/
強化学習モデルフリー (DQN / SAC)
- 用途
- 実装・検証基盤
- 難易度
- Easy
- コスト
- Medium
→
huggingfaceHugging Faceあり2026-10-21
LongZero: Enhancing Long-Context Reasoning in LLMs from Zero Data
Reinforcement learning (RL) is an effective way to strengthen the long-context reasoning of large language mod
自然言語処理大規模言語モデル生成テキスト強化学習
- 用途
- 生成
- 難易度
- Easy
- コスト
- High
→
githubGitHubあり2026-10-20
Practical_RL — A course in reinforcement learning in the wild
A course in reinforcement learning in the wild
強化学習
- 用途
- 実装・検証基盤
- 難易度
- Easy
- コスト
- Medium
→
githubGitHubあり2026-10-16
rllm — Democratizing Reinforcement Learning for LLMs
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。
自然言語処理大規模言語モデル強化学習
- 用途
- AIエンジニアリング
- 難易度
- Easy
- コスト
- High
→
githubGitHubあり2026-10-15
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.
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。
強化学習テキスト
- 用途
- 強い機械学習アルゴリズムを実行し複雑な問題を解決するためのシステム
- 難易度
- Easy
- コスト
- Medium
→
githubGitHubあり2026-10-14
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2026-10-09
Awesome-Process-Reward-Models — A comprehensive collection of process reward models.
医療では、イメージャは単に画像を解釈するのではなく、複数の画像を比較して診断を行うことが多い。しかし、現在の技術ではこのような比較を行うことは困難であるため、メドリコのDBというデータセットを利用することで、医療の比較推
強化学習RLHF
- 用途
- 医療における画像の比較
- 難易度
- Easy
- コスト
- Medium
→
githubGitHubあり2026-10-09
bullet3 — Bullet Physics SDK: real-time collision detection and multi-physics simulation for VR, games, visual effects, robotics, machine learning etc.
Bullet Physics SDK: real-time collision detection and multi-physics simulation for VR, games, visual effects,
強化学習検出画像
- 用途
- 検出
- 難易度
- Easy
- コスト
- Medium
→