DeepPath开源项目 – 知识图谱推理的强化学习方法

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。

一本关于概率人工智能的教材，涵盖机器学习的概率方法和在顺序决策任务中考虑不确定性的方法。该书详细讨论了概率模型和算法，适合研究人员和学生使用。

Kolmogorov-Arnold Q-Network (KAQN) 是一个将Kolmogorov-Arnold Network (KAN) 应用于强化学习领域的项目，旨在通过结合Q-Network和KAN的原理，探索其在强化学习任务中的有效性。该项目目前处于初步实验阶段，目标是研究和开发新的强化学习算法。

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。

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。

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%。

通过强化学习算法，自动玩Pokemon Red，并优化游戏策略，支持自定义训练和测试环境，同时提供数据可视化功能以分析训练结果。

Qlib 是一个开源的、面向人工智能的量化投资平台，旨在利用人工智能技术在量化投资中实现潜力、赋能研究和创造价值。它支持从数据管理到模型训练、回测的完整机器学习流程，涵盖了量化投资的整个链条，包括alpha挖掘、风险建模、组合优化和订单执行。Qlib 支持多种机器学习建模范式，如监督学习、市场动态建模和强化学习，并提供了强大的基础设施来支持量化研究。

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。

Diamond Env是一个为强化学习设计的标准化环境，基于Minecraft中的Diamond任务。它提供了一致的实验条件，支持多种强化学习算法，并允许用户自定义任务和奖励机制。该环境适用于研究Minecraft中的智能体行为，并可作为基准环境进行性能评估。

该团队专注于金融领域的强化学习（RL）和大语言模型（LLM）的应用，提供数据收集和量化分析的工具和资源。

maçarico是一个基于PyTorch实现的命令式学习搜索框架，专为需要搜索和优化的机器学习任务设计。它支持命令式编程风格，提供灵活的搜索策略配置，易于扩展和自定义，并具有高效的学习和推理过程。

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。

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。

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。