# 强化学习
9 个相关产品 · 中文解读 · 按热度排序
AReaL
为基于大模型的AI代理应用提供强化学习桥梁的框架，简化Agent的训练与行为优化流程。
Open-AgentRL
Open-AgentRL 是一个开源的强化学习框架，支持LLM驱动的AI代理在复杂场景中自主学习与决策，结合RL与工具调用，推动AI代理的自主进化。
Open-Source AI Racing Harness
开源 AI 赛车模拟框架，允许开发者训练 AI 驾驶赛车，支持多种赛道和车辆配置，适合 AI 研究者与游戏开发者实验强化学习
verifiers
用于强化学习环境和评估的开源库，支持构建和测试 RL 模型的评估流程，提升训练效率与可复现性。
RL Environment for Sheep Hearding
一个用于羊群放牧的强化学习环境，专为训练AI算法模拟牧羊行为而设计，面向AI研究者与机器人学爱好者
Decypher-env, an RL Env for breaking AES encryption
Decypher-env 是一个用于强化学习的环境，目标是让 AI 模型学习破解 AES 加密，用于研究密码学安全性和 AI 攻击能力边界。
PrimeIntellect-ai/verifiers
用于强化学习环境与评估的 Python 库，提供标准化测试框架和验证工具，帮助研究者高效验证 AI 模型性能。
PrimeIntellect-ai/prime-rl
Prime-RL 是一个面向大规模智能体强化学习训练的框架，支持复杂智能体行为建模与分布式训练，适用于 AI 研究者和机器人开发团队。
RL Environment for Sheep Hearding
一个用于训练AI牧羊犬行为的强化学习环境，专为研究智能体在动态群体控制中的决策能力设计，适合AI研究人员与机器人开发者