全部项目
当前范围的仓库 13 · UTC 2026-11-03
对比排名项目StarFork30 天趋势7 天净增最近推送登录后收藏
1—LLlamaChinese / Llama-Chinese作者声明：Llama中文社区,实时汇总最新Llama学习资料,构建最好的中文Llama大模型开源生态,完全开源可商用Python未知 · 限制商用 / 未知名次历史不足14,7541,282——2025-04-06
3—Ggoogle / dopamine多巴胺是一个用于强化学习算法快速原型设计的研究框架。Jupyter NotebookApache-2.0 · 宽松，可直接商用名次历史不足10,9311,388——2026-03-24
4—OOpenPipe / ART代理强化训练器：使用 GRPO 训练多步骤代理以执行实际任务。为您的代理提供在职培训。 Qwen3.6、GPT-OSS、Llama 等的强化学习！PythonApache-2.0 · 宽松，可直接商用名次历史不足10,8371,010——2026-10-26
5—Aareal-project / AReaL用于基于 LLM 的代理应用程序的 RL Bridge。变得简单且灵活。PythonApache-2.0 · 宽松，可直接商用名次历史不足5,891645——2026-11-03
6—Hhiyouga / EasyR1EasyR1：基于 veRL 的高效、可扩展、多模态 RL 训练框架PythonApache-2.0 · 宽松，可直接商用名次历史不足5,209397——2026-09-19
7—Wwalkinglabs / hands-on-modern-rl🚀 一个开源的实践课程，弥合了从基本 RL 概念到 LLM 对齐、RLVR 和高级 Agentic 系统的差距。Jupyter NotebookNOASSERTION · 限制商用 / 未知名次历史不足4,847354——2026-10-23
8—Kkubernetes-sigs / agent-sandboxagent-sandbox 可以轻松管理隔离、有状态、单例工作负载，非常适合 AI 代理运行时和强化学习 (RL) 等用例。GoApache-2.0 · 宽松，可直接商用名次历史不足4,491597——2026-11-03
9—Jjunxiaosong / AlphaZero_GomokuAlphaZero 算法的 Gomoku 游戏实现（也称为 Gobang 或 Five in a Row）。PythonMIT · 宽松，可直接商用名次历史不足3,6351,018——2024-04-24
10—Ppytorch / rl一个模块化、以基础概念优先、以 Python 为主的 PyTorch 库，适用于强化学习。PythonMIT · 宽松，可直接商用名次历史不足3,621520——2026-11-03
11—MMaximeVandegar / Papers-in-100-Lines-of-Code100行代码实现论文。PythonMIT · 宽松，可直接商用名次历史不足2,910255——2026-10-22
12—Zzzli2022 / Awesome-System2-Reasoning-LLMSystem-2 推理的最新进展Python未知 · 限制商用 / 未知名次历史不足1,35781——2025-06-08
13—Bbenedekrozemberczki / awesome-monte-carlo-tree-search-papers蒙特卡罗树搜索论文及其实现的精选列表。PythonCC0-1.0 · 宽松，可直接商用名次历史不足71776——2026-01-13
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。