#强化学习

leetcode-hard-gym是一个基于OpenAI gym的强化学习环境，连接LeetCode提交服务器，用于评估代码生成智能体。该项目支持多种编程语言，并提供脚本构建未污染的LeetCode困难题目数据集。研究人员可以通过此环境设置、提交代码并获取评估结果，为代码生成研究提供便利工具。项目还包含一个排行榜，展示了不同AI模型在LeetCode困难题目上的表现，如GPT-4和Codex等。环境支持包括Python、Java、JavaScript在内的18种编程语言，为研究人员提供了广泛的评估选择。

POGEMA是一个专为部分可观测多智能体路径规划(PO-MAPF)研究设计的网格环境平台。该平台具有灵活性、可调节性和可扩展性,支持多种PO-MAPF场景。POGEMA允许智能体在网格中移动并避免碰撞,提供随机地图生成和自定义地图输入功能。此外,POGEMA与多个主流强化学习框架兼容,便于研究人员创建实验环境,探索分布式决策和多智能体协作导航等问题。

Diffusion Policy是一种基于扩散模型的机器人控制算法，旨在高效执行复杂任务。该项目提供实验日志、预训练检查点和完整代码库，支持模拟环境和真实机器人的训练与评估。其代码结构便于添加新任务和方法，同时保持灵活性。研究人员可复现实验结果，并将算法应用于多种机器人控制场景。

Eureka是一种基于大型语言模型的人类级奖励设计算法，利用GPT-4等先进LLM进行奖励代码的进化优化。在29个开源强化学习环境中，Eureka在83%的任务上超越人类专家，平均提升52%。该算法还实现了无梯度人类反馈强化学习方法，并首次展示了能以人类速度旋转笔的五指Shadow Hand仿真。

DigiRL项目提出了一种新型自主强化学习方法,用于训练真实环境中的设备控制智能体。该方法融合自动课程学习和双重稳健估计器过滤,支持离线、在线及离线到在线的训练模式。在Android设备操作任务中,DigiRL展现了优异性能,为开发适应性更强的智能设备控制系统提供了新思路。

该项目聚焦强化学习探索方法,提供最新研究论文、分类体系和可视化案例。涵盖经典和前沿探索策略,持续追踪领域进展。对研究人员和实践者而言是宝贵参考,可用于研究探索-利用权衡或解决具体挑战。项目内容全面且定期更新,是强化学习探索领域的重要资源库。

Text2Reward是一个自动生成强化学习密集奖励函数的开源项目。该工具支持ManiSkill2和MetaWorld环境，提供零样本和少样本学习功能。项目包含代码实现、实验脚本和奖励生成模块，为强化学习研究提供了实用工具。Text2Reward简化了奖励函数设计流程，提升了学习效率，为强化学习研究开辟了新路径。

DI-HPC是一款专为强化学习算法设计的高性能计算组件，主要用于加速GAE、n-step TD和LSTM等常见模块。该组件支持前向和反向传播，适用于训练、数据收集和测试环节。DI-HPC兼容CUDA环境和多个PyTorch版本，提供简便的安装方式和性能测试工具。通过提升计算效率，DI-HPC为强化学习研究和开发提供了有力支持。

RLeXplore是一个统一的模块化工具包，实现了八种代表性内在奖励算法。它通过标准化的程序解决了内在奖励算法比较中的混淆因素，包括实现、优化和评估方法的差异。该工具包支持多种内在奖励类型，如基于计数、好奇心驱动、基于记忆和信息论。RLeXplore提供了简便的安装方法、详细教程和基准测试结果，为内在动机强化学习研究提供了有力支持。

SheepRL是一个基于PyTorch和Lightning Fabric的强化学习框架。它支持PPO、SAC、Dreamer等多种算法，以及Atari、MuJoCo、Minecraft等多种环境。该框架易用可扩展，实现了算法与环境的解耦，适用于广泛的强化学习任务。在部分基准测试中，SheepRL展现出与其他框架相当甚至更优的性能，为强化学习研究和开发提供了高效工具。

FinRL-Trading是一个开源的交易策略开发平台，基于FinRL框架构建。该平台整合了监督学习和深度强化学习技术，用于股票选择和投资组合管理。FinRL-Trading提供金融数据处理、技术指标分析、股票筛选、资产配置和回测等功能，并支持部署到在线交易平台进行模拟交易。这个项目为研究人员和开发者提供了一个探索和实现AI驱动交易策略的工具，结合了机器学习、金融科技和算法交易等先进技术，旨在推动智能投资决策的发展。

FinRL_Podracer是基于ElegantRL和FinRL构建的中级强化学习量化交易框架。该框架为开发者和专业人士提供轻量级、高效和稳定的算法交易策略开发解决方案。FinRL_Podracer支持DDPG、TD3、SAC等多种深度强化学习算法，适用于连续和离散动作空间。框架采用Pythonic设计原则，注重研究人员和算法交易者需求，支持灵活的代码迭代和精细控制。

flowRL是一个实时UI个性化平台，利用AI和强化学习技术为用户提供定制化应用体验。该平台根据用户行为自动优化界面，提升留存率和收入等关键指标。相较于传统A/B测试，flowRL能够将产品收益提高2-3倍，同时减少数据收集和分析工作。这使得产品团队能够更专注于核心功能开发，从而推动产品持续增长。

Tianshou是基于PyTorch和Gymnasium的强化学习框架,提供高性能、模块化设计和友好接口。支持在线、离线、多智能体及基于模型的算法,兼顾实现简洁和灵活性。特点包括向量化环境、RNN训练、自定义状态/动作等。框架涵盖多种先进算法,配有完善文档和测试,适合研究和应用开发。

这个开源项目开发了GLAM方法，通过在线强化学习优化大型语言模型在BabyAI-Text环境中的性能。项目提供了BabyAI-Text环境和实验代码，支持智能体训练和评估。研究者使用Lamorel库实现了PPO、DRRN等多种智能体。代码库包含详细的安装说明、配置文件和运行指南，便于其他研究人员复现和拓展相关研究。

Crafter是一个开放世界生存游戏环境，专门用于评估AI代理的多方面能力。游戏提供随机生成的2D世界，AI需要完成寻找食物、建造庇护所、对抗怪物等任务。通过聚焦强泛化、深度探索等研究挑战，Crafter为强化学习提供了高效的基准测试。其语义化成就系统和快速迭代特性，显著降低了评估AI能力的计算需求。

LIBERO是一个致力于研究多任务和终身机器人学习中知识转移的基准平台。它包含130个分组任务、过程生成管道、5个研究主题、3种视觉运动策略网络架构和3种终身学习算法。通过控制分布偏移和提供100个操作任务，LIBERO能够评估特定类型和复杂知识的迁移。该平台为机器人学习研究提供了全面的工具和数据集，有助于推动该领域的发展。

该项目整理了大语言模型(LLM)作为优化器和LLM自动提示词优化领域的关键论文。内容涉及强化学习、进化算法等多种优化方法，呈现了LLM在自我优化和解决复杂任务方面的能力。这一资源库为人工智能、自然语言处理和优化算法研究者提供了重要参考。

AndroidEnv是一个将Android设备转化为强化学习环境的Python库。该平台支持在Android系统上定义自定义任务，涵盖所有Android应用。智能体通过模拟触摸屏操作与设备交互，库则处理这些操作并返回像素观察和奖励信号。AndroidEnv适用于多种研究场景，如页面滚动、邮件发送或游戏得分等任务，为强化学习研究提供了丰富的实验环境。

RLax是基于JAX的强化学习工具库，提供实现智能体所需的核心模块。支持价值估计、分布式价值函数、通用价值函数和策略梯度等功能，适用于在线和离线学习。借助JAX实现即时编译，RLax能在多种硬件上高效运行，为开发者提供灵活的工具构建强化学习算法。

rliable是一个开源Python库，旨在提高强化学习和机器学习基准测试的评估可靠性。该库支持分层自举置信区间、性能曲线和聚合指标等功能，即使在数据有限的情况下也能得出可靠结论。rliable提供交互式Colab演示和多个主流基准测试数据，致力于克服现有评估方法的局限性，增强结果的可重复性和统计稳健性。

SBX是Stable-Baselines3的Jax实现版本，集成了SAC、TQC、PPO等多种先进强化学习算法。它与SB3保持相同API，可与RL Zoo无缝对接，并提供详细使用示例。SBX为复杂环境和任务提供高效、可靠的强化学习实现。

3DModelingRL项目展示了一种创新的3D建模方法,利用深度强化学习模拟人类建模过程。项目包含Prim-Agent和Mesh-Agent两个核心组件,分别用于生成基于图元的表示和编辑网格。该方法在ECCV 2020会议发表,为3D建模领域开辟新方向。项目提供完整代码、预训练模型和数据集,便于研究者进一步探索和应用。

TD-MPC2是一种可扩展的基于模型的强化学习算法，在104个连续控制任务中展现出色性能。该算法使用317M参数的单一模型可执行80个跨领域任务。项目提供300多个模型检查点和多任务数据集，支持状态和像素输入，为模型强化学习研究提供重要资源。

EvoTorch是一个基于PyTorch的开源进化计算框架，支持黑盒优化、强化学习和监督学习等多种优化问题。它实现了PGPE、CMA-ES和遗传算法等多种进化算法，并通过GPU加速和Ray分布式计算提高优化效率。EvoTorch设计简洁易用，适合解决各类复杂优化问题，为研究人员和工程师提供了强大的工具支持。

DreamerV3是一种创新的强化学习算法，通过世界模型实现多领域任务掌控。其特点是使用固定超参数，具有卓越的稳健性和扩展性。随着模型规模增加，性能和数据效率同步提升。该开源项目提供完整实现，包含训练脚本和使用指南，为研究人员和开发者提供了探索先进强化学习技术的平台。

IRIS是一种基于Transformer的世界模型，通过离散自编码器和自回归Transformer将动态学习转化为序列建模问题。该模型在世界模型中训练数百万个想象轨迹，实现了高效的数据利用。IRIS仅需两小时实时经验就能在多个Atari游戏中表现出色，展现了优秀的样本效率和泛化能力。

Overcooked_ai是一个基于热门游戏Overcooked的多智能体协作研究平台。该项目模拟厨房协作烹饪场景,提供环境模拟、智能体训练和评估等功能。它要求AI智能体高效配合完成煮汤等任务,支持人机协作研究。作为重要的基准平台,Overcooked_ai已被多篇顶会论文采用,对推进人工智能协作研究具有重要意义。

panda-gym是基于PyBullet物理引擎和gymnasium的机器人环境集，提供抓取、推动、滑动等多种任务环境。项目支持随机动作采样和人机交互渲染，并提供预训练模型和基准测试结果。panda-gym安装简便，适用于机器人学习研究。

DeepMind Lab2D是一个专为机器学习研究设计的2D环境创建系统。它通过文本地图和Lua代码定义网格世界，兼具易用性和高性能。系统支持多智能体交互，提供Python dm_env API和C API接口。适用于Linux和macOS平台，可通过pip安装或源码构建。DeepMind Lab2D为研究人员提供了一个灵活高效的2D环境开发工具。

Humanoid-Gym是一个基于Nvidia Isaac Gym的强化学习框架，专门用于训练人形机器人的运动技能。该框架实现了从仿真到现实环境的零样本转移，并整合了Isaac Gym到Mujoco的仿真转换功能，用于验证训练策略的鲁棒性和泛化能力。项目在RobotEra的XBot-S和XBot-L真实机器人上成功实现了零样本仿真到现实转移，并提供了详细的训练指南、配置说明和执行脚本，便于训练和优化人形机器人的运动技能。

这个项目收集了机器学习在编译器和程序优化领域的重要资源,包括研究论文、数据集和工具。涵盖迭代编译、指令级优化、并行映射等多个主题,提供了全面的参考材料。除学术资源外,还包括相关书籍、演讲、软件和基准测试,是该领域研究和开发的综合指南。

POMDPs.jl是Julia语言中用于处理马尔可夫决策过程(MDP)和部分可观测马尔可夫决策过程(POMDP)的核心接口包。它为表达问题、编写求解器和运行仿真提供了统一的编程接口。该项目支持多种求解器和工具包,适用于离散和连续问题。POMDPs.jl集成了多个相关生态系统,并提供详细文档和教程,是一个处理决策不确定性的综合框架。

PARL是一个开源的强化学习框架，专注于提供高效、灵活的开发环境。该框架具有良好的可复现性、大规模训练支持、高可重用性和易扩展性。PARL基于Model、Algorithm和Agent三个核心抽象，并提供简洁的分布式训练API。框架支持DQN、DDPG、SAC等多种算法实现，在多个强化学习挑战赛中表现出色。PARL适用于各类复杂任务的智能体训练，为强化学习研究和应用提供了有力工具。

MushroomRL是一个模块化的Python强化学习库，集成主流张量计算库和RL基准测试环境。它实现了经典和深度强化学习算法，便于进行RL实验。该库兼容OpenAI Gym、PyBullet等环境，涵盖Q-Learning、DQN、DDPG等算法。MushroomRL还支持Habitat和iGibson等高真实度模拟环境，为研究提供多样化选择。

该项目收集了机器学习、计算机视觉、自然语言处理等多个领域的蒙特卡洛树搜索(MCTS)相关论文。涵盖顶级会议和期刊发表的最新研究成果，并提供部分论文的代码实现。这一资源库为研究人员和开发者提供了全面了解MCTS在各领域应用和进展的机会。