hl-gauss-pytorch开源项目 – 基于PyTorch的高斯直方图损失函数

hl-gauss-pytorch是一个基于PyTorch实现的高斯直方图损失函数（HL-Gauss），为回归任务提供了全新的视角，能够有效提升模型的性能。

hl-gauss-pytorch的特点:

1. 将回归问题转化为分类问题，提升模型性能
2. 提供便捷的封装模块，轻松集成到现有项目
3. 配合强化学习，效果显著提升

hl-gauss-pytorch的功能:

1. 用于回归任务的损失计算
2. 与现有PyTorch项目集成
3. 结合强化学习算法优化模型性能

相关导航

Test-time Compute Scaling官网 – 动态计算策略提升模型性能

Hugging Face 实现并开源的推理阶段计算扩展研究，通过动态计算策略提升小型语言模型的性能。

H2O (Human2HumanOid)官网 – 基于强化学习的人机远程操作框架

H2O是一个基于强化学习的human-to-humanoid实时全身远程操作框架，旨在通过使用大型人体运动数据集进行可扩展的重定向和训练，使得用户只需一个RGB摄像头即可操作全尺寸的人形机器人，从而释放类人机器人的认知技能和适应性潜力。

OmniIsaacGymEnvs-DofbotReacher开源项目 – 仿真到现实的机器人控制环境

OmniIsaacGymEnvs-DofbotReacher是基于Omniverse Isaac Gym/Sim的强化学习环境，专为Dofbot机器人设计。它提供了一个从仿真到真实世界的桥梁，支持在仿真环境中开发和测试强化学习算法，并能够将这些算法无缝应用到真实世界的Dofbot机器人控制中。该项目适用于机器人控制、强化学习研究以及Sim2Real技术的研究，同时也支持多机器人协同控制和教育科研项目中的实验。

O1 Nano开源项目 – 简化版OpenAI O1模型，专注算术问题

一个开源项目，旨在实现 OpenAI O1 模型系列的简化版本，专注于通过链式思维和强化学习解决算术问题。该项目结合了最新的技术，使得用户能够更加高效地解决算术问题，并且通过强化学习不断提升模型的表现。

All you need to know about LLM开源项目 – 从零构建大语言模型的开源教程

该项目是一个从零开始构建大语言模型的开源教程，不依赖任何外部库，仅使用Python和PyTorch实现。教程详细讲解了从基础到进阶的LLM构建过程，包括模型结构、注意力模块、KV Cache等核心概念，并提供了训练和微调的代码，帮助读者快速上手和实践。

TinyZero开源项目 – 重现大型语言模型自我进化

TinyZero是一个以不到30美元的成本，利用veRL强化学习训练框架，在qwen2.5模型基础上进行训练的项目，能够复现DeepSeek R1论文中的'Aha moment'，并提供完整实验日志和开源代码，方便复现和学习。

ReSearch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。

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。

simpleRL-reason开源项目 – 高效强化学习推理训练

一个强化学习项目，旨在通过少量示例训练大型语言模型以进行数学推理和解决问题。该项目通过使用少量数据和简化的训练流程，使得AI推理训练更加高效，且小模型也能表现出强大的推理能力。

Awesome Isaac Gym开源项目 – 机器人学习与强化研究资源集合

Awesome Isaac Gym 是一个精心整理的 NVIDIA Isaac Gym 相关框架、论文、软件和资源列表，旨在帮助机器人学习和强化学习研究。它提供了丰富的学习材料和视频教程，支持多种强化学习框架，以加速机器人开发。

Epoching-Blog开源项目 – 基于PyTorch的NLP实战教程

Epoching-Blog是一个集成了PyTorch、fastai和HuggingFace的自然语言处理实战教程，旨在帮助用户通过实践深入理解深度学习及其在NLP领域的应用。项目提供了丰富的代码示例和详细的教程，适合希望提升NLP技能的学习者。

katakomba开源项目 – 数据驱动的NetHack基准测试工具

katakomba是一个专为NetHack游戏设计的数据驱动的基准测试工具，提供超过30个标准化数据集，并支持多种基于循环的离线强化学习基线模型，旨在促进研究和开发中的基准测试。

解密LLM的长链思维推理开源 – 探索LLM长链推理机制的强化学习研究

该项目通过强化学习（RL）系统研究大型语言模型（LLM）中长链思维推理的涌现机制，重点分析奖励塑造和数据质量对推理能力的影响。研究发现：监督微调（SFT）可提升训练效率但非必需；推理能力随计算量增长可能涌现，但依赖奖励设计稳定思维链长度；利用噪声网络数据扩展可验证奖励信号在STEM任务中表现潜力；基础模型已具备错误纠正等核心能力，但需大量计算资源激发。项目挑战了"模型规模决定性能"的传统观点，强调奖励设计比参数量更关键。

ML-Papers-of-the-Week开源项目 – 每周更新的机器学习顶级论文库

该项目提供每周更新的机器学习领域内顶级论文，涵盖多个研究方向，并为用户提供论文摘要和关键点，支持用户提交和推荐优秀论文。

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%。