全部项目
当前范围的仓库 4 · UTC 2026-11-05
对比排名项目StarFork30 天趋势7 天净增最近推送登录后收藏
1—Vvwxyzjn / cleanrl深度强化学习算法的高质量单文件实现，具有研究友好的功能（PPO、DQN、C51、DDPG、TD3、SAC、PPG）PythonNOASSERTION · 限制商用 / 未知名次历史不足10,6291,194——2026-04-20
2—OOpenRLHF / OpenRLHF基于 Ray 的易于使用、可扩展且高性能的 Agentic RL 框架（PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & Async RL）PythonApache-2.0 · 宽松，可直接商用名次历史不足10,1361,055——2026-11-03
3—MMorvanZhou / Reinforcement-learning-with-tensorflowSimple Reinforcement learning tutorials, 莫烦Python 中文AI教学PythonMIT · 宽松，可直接商用名次历史不足9,5304,965——2024-03-31
4—Iikostrikov / pytorch-a2c-ppo-acktr-gailPyTorch 实现了 Advantage Actor Critic (A2C)、近端策略优化 (PPO)、使用 Kronecker 因子近似 (ACKTR) 和生成对抗模仿学习 (GAIL) 进行深度强化学习的可扩展信任域方法。PythonMIT · 宽松，可直接商用名次历史不足3,909840——2022-05-29
商用三档依据许可证元数据自动分类；具体义务需结合实际使用方式核对。未知不等于禁止商用。