Delayed Rewards 相关的热门 GitHub AI项目仓库

持续更新的优秀探索强化学习资源精选列表

Professional VPN node automation for Depined Network - the decentralized privacy platform that rewards users for sharing bandwidth as secure exit nodes. Earn crypto while enhancing global internet privacy.

一个开源的、基于图的Python代码生成和分析工具箱，用于动态系统（预实现和自定义模型）。大多数预实现模型属于神经群体模型家族。

A comrephensive collection of learning from rewards in the post-training and test-time scaling of LLMs, with a focus on both reward models and learning strategies across training, inference, and post-inference stages.

?enhanced GRPO with more verifiable rewards and real-time evaluators

这个项目实现了基于强化学习技术的自动驾驶导航，重点使用深度Q网络（DQN）和双延迟深度确定性策略梯度（TD3）算法。我们专注于训练TurtleBot3机器人，使其能够在环境中自主导航并智能地避开移动障碍物。

[Official] Nabla-R2D3: Effective and Efficient 3D Diffusion Alignment with 2D Rewards

在Unity ML的Pyramid环境中，使用带有内在好奇心模块（ICM）的近端策略优化（PPO）算法

爱丁堡大学信息学硕士论文项目：多智能体强化学习中的好奇心

本项目的目标是构建一种基于强化学习的算法，帮助出租车司机优化其决策过程，从而最大化收益。以长期利润最大化为目标，我们提出了一种基于强化学习的方法来优化出租车驾驶策略。此优化问题被表述为马尔可夫决策过程 (MDP)。

(NeurIPS 2023) Source-code of the paper: Belief Projection-Based Reinforcement Learning for Environments with Delayed Feedback

INQUIRE：面向用户的交互式信息推理查询

使用强化学习进行集群管理

创建一个强化学习(RL)智能体，学习玩数字井字棋游戏。该智能体将通过Q学习来学习游戏规则。

A repo for Implemented online preference-based reward learning under human irrationality & delayed feedback

[ICML 2025] Aequa: Fair Model Rewards in Collaborative Learning via Slimmable Networks

基于查尔姆斯大学的一个本科项目，我们训练模拟无人机模型飞行，并扩展到实际学习中。

这个项目基于强化学习，训练蛇在环境中吃食物。

A factual question-answering environment designed to work both standalone and with the Atropos reinforcement learning framework. This project demonstrates how to create a custom environment that rewards language models for providing accurate and concise answers to factual questions.