gym-aloha开源项目 – ALOHA环境的Gymnasium工具包

gym-aloha是一个专为ALOHA环境设计的Gymnasium工具包，旨在提高机器人学习和训练的效率和趣味性。它提供了丰富的功能，支持多种任务模式和观测数据，特别适合基于强化学习的机器人训练。

gym-aloha的特点:

1. 提供两种任务模式，满足不同研究需求
2. 支持像素级观测和多角度摄像头输入，数据丰富
3. 基于强化学习设计，奖励机制清晰，助力Agent快速学习

gym-aloha的功能:

1. 用于机器人学习和训练
2. 支持不同研究需求的任务模式
3. 提供丰富的像素级观测数据
4. 强化学习设计，帮助Agent快速学习

相关导航

Alpha NL Holdem开源项目 – 自弈德州扑克AI，助力强化学习

一款基于TensorFlow和Ray实现的自弈德州扑克AI，提供清晰的代码基础，用于在德州扑克类游戏中应用无模型自对弈强化学习方法，旨在复现AlphaHoldem的结果。

LeRobot开源项目 – 简化机器人技术的训练与应用

LeRobot 是一个端到端的训练框架，专注于真实世界的机器人技术，通过 PyTorch 提供模型、数据集和工具，旨在降低机器人技术的准入门槛，使研究者和开发者能够更轻松地开发和测试机器人应用。

NReSearch开源项目 – 强化学习让LLM学会搜索推理

ReSearch 是一个开源项目，通过强化学习将搜索操作整合到大型语言模型（LLMs）的推理过程中，使其能够通过搜索工具更有效地回答问题。该项目通过强化学习训练LLM，使其在无监督数据的情况下学会何时以及如何调用搜索工具。基于Qwen2.5-7B模型，从零开始训练，展现了强大的泛化能力，并在HotpotQA等数据集上验证，性能显著提升。

NFlashbax开源项目 – 简化强化学习中的体验重放

Flashbax 是一个专为与 JAX 范例兼容而设计的库，旨在简化强化学习 (RL) 背景下的体验重放缓冲区的使用。它允许在完全编译的函数和训练循环中轻松利用这些缓冲区，从而加速强化学习过程并简化缓冲区管理。

Self-rewarding-reasoning-LLM开源项目 – 自我奖励推理的语言模型

该项目旨在训练一种能够自我奖励推理的大型语言模型，使模型在推理过程中能够自主评估输出的正确性，而无需依赖外部反馈。通过结合强化学习技术，模型能够显著提升推理能力和自我修正能力，最终准确率提升最高可达14.2%。

Carve3D开源项目 – 提升扩散模型的多视图重建一致性

Carve3D项目旨在通过强化学习微调，提高扩散模型在多视图重建中的一致性，适用于3D模型生成和场景视觉一致性的改善。

AI4Finance开源项目 – 金融领域的强化学习与大语言模型应用

该团队专注于金融领域的强化学习（RL）和大语言模型（LLM）的应用，提供数据收集和量化分析的工具和资源。

JAX开源项目 – Google开发的数值计算库

JAX是由Google开发的开源数值计算库，专为研究者和开发者设计，结合了数值计算和机器学习。它支持自动微分与硬件加速，在Transformer模型训练中性能较PyTorch提升30%，广泛应用于AlphaFold等前沿研究。JAX通过XLA编译器优化计算图，支持并行计算和动态控制流，使代码既高效又灵活。

K-Scale Sim开源项目 – 用于训练仿人行走的高效库

K-Scale Sim是一个简单高效的库，专为在MJX和MuJoCo中训练仿人类运动而设计，支持强化学习代理的训练和评估，提供快速原型设计、环境规范和超参数调整功能，同时通过Weights & Biases跟踪和记录训练结果。

CivRealm开源项目 – 学习和推理环境的决策智能体

CivRealm是一个基于开源游戏Freeciv-web的学习和推理环境，提供了基于强化学习和语言模型的决策智能体接口，以及训练和评估工具和基线模型，旨在成为复杂环境中学习和推理代理的测试平台。

Reference implementation of a two-level RCN model开源项目 – 双层RCN模型的参考实现

这是一个双层递归卷积网络模型的参考实现，旨在提供灵活的应用支持和优化的性能。

Ndeductive-reasoning开源项目 – 高效训练演绎推理模型

deductive-reasoning 是一种通过强化学习训练高级演绎推理模型的方法。该方法利用开源权重的语言模型，使其能够执行复杂的逻辑推理任务，并且在成本效率上具有显著优势。仅需16个训练样本即可实现显著性能提升，训练成本低，性价比高。