![[99星]Awesome_Think_With_Images：开启视觉与语言模型的深度思考之旅。核心价值在于系统性地整理和推动LVLMs真正通过图像进行思考与推理。亮点：1. 涵盖多种前沿方法，包括基](http://wx2.sinaimg.cn/bmiddle/5396ee05ly8i237qn1n8ij20u00v2791.jpg)
[99星]Awesome_Think_With_Images：开启视觉与语言模型的深度思考之旅。核心价值在于系统性地整理和推动LVLMs真正通过图像进行思考与推理。亮点：1. 涵盖多种前沿方法，包括基
【[99星]Awesome_Think_With_Images：开启视觉与语言模型的深度思考之旅。核心价值在于系统性地整理和推动LVLMs真正通过图像进行思
![[173星]all-rl-algorithms：一站式学习强化学习算法的开源宝库。亮点：1. 18种经典强化学习算法实现，覆盖从基础到前沿；2. 配套Jupyter Notebook，交互式学习，边学](http://wx4.sinaimg.cn/bmiddle/5396ee05ly8i00h6z505oj20w70u00xj.jpg)
[173星]all-rl-algorithms：一站式学习强化学习算法的开源宝库。亮点：1. 18种经典强化学习算法实现，覆盖从基础到前沿；2. 配套Jupyter Notebook，交互式学习，边学
【[173星]all-rl-algorithms：一站式学习强化学习算法的开源宝库。亮点：1. 18种经典强化学习算法实现，覆盖从基础到前沿；2. 配套Jupyte
![[209星]X-R1：低成本训练0.5B R1-Zero模型的高效框架。亮点：1. 仅需4张3090/4090显卡，1小时训练成本不到7美元；2. 10分钟内即可输出“aha moment”，加速模型](http://wx2.sinaimg.cn/bmiddle/5396ee05ly8hyk0xzk05tj20w50u0tbe.jpg)
[209星]X-R1：低成本训练0.5B R1-Zero模型的高效框架。亮点：1. 仅需4张3090/4090显卡，1小时训练成本不到7美元；2. 10分钟内即可输出“aha moment”，加速模型
【[209星]X-R1：低成本训练0.5B R1-Zero模型的高效框架。亮点：1. 仅需4张3090/4090显卡，1小时训练成本不到7美元；2. 10分钟内即可输出
DeepSeek R1 训练过程概览
【DeepSeek R1 训练过程概览】
DeepSeek R1 通过创新的纯强化学习方法 (R1-Zero) 和多阶段训练流程 (R1)，在不依赖大规模监督数据
![[68星]RLLoggingBoard：一款助力强化学习训练的可视化工具，能让训练过程更易懂、调试更轻松，就像给复杂的训练流程装上了一扇透明的观察窗](http://wx1.sinaimg.cn/bmiddle/5396ee05ly8hxgqct7sk5j20w50u0tcv.jpg)
[68星]RLLoggingBoard：一款助力强化学习训练的可视化工具，能让训练过程更易懂、调试更轻松，就像给复杂的训练流程装上了一扇透明的观察窗
【[68星]RLLoggingBoard：一款助力强化学习训练的可视化工具，能让训练过程更易懂、调试更轻松，就像给复杂的训练流程装上了一扇透明的
Syllabus：为强化学习代理设计的课程学习API，让复杂的课程学习方法更易于研究者使用，支持多进程环境同步课程
【Syllabus：为强化学习代理设计的课程学习API，让复杂的课程学习方法更易于研究者使用，支持多进程环境同步课程】'Syllabus: Synchron
BALROG：一个创新的基准测试框架，专门评估大语言模型(LLM)和视觉语言模型(VLM)在游戏环境中的智能Agent能力。支持本地部署和主流AI API集成，提供完整的评估工具集，可用于测试模型在长
【BALROG：一个创新的基准测试框架，专门评估大语言模型(LLM)和视觉语言模型(VLM)在游戏环境中的智能Agent能力。支持本地部署和主流A
OGBench：一个用于测试和比较离线目标导向强化学习算法的基准测试平台，提供多种环境和数据集，支持像素级和状态级观察，拥有清晰的参考实现和易于使用的API
【OGBench：一个用于测试和比较离线目标导向强化学习算法的基准测试平台，提供多种环境和数据集，支持像素级和状态级观察，拥有清晰的参
AgibotTech agibot_x1_train：智元灵犀X1所使用的强化学习训练代码，可配合智元灵犀X1配套的推理软件进行真机和仿真的行走调试，或导入其他机器人模型进行训练。智元灵犀X1 是由智
【AgibotTech agibot_x1_train：智元灵犀X1所使用的强化学习训练代码，可配合智元灵犀X1配套的推理软件进行真机和仿真的行走调试，或导
DeepSeek-Prover-V1.5：基于强化学习和蒙特卡洛树搜索的证明助手，专为Lean 4定理证明设计，优化了训练和推理过程
【DeepSeek-Prover-V1.5：基于强化学习和蒙特卡洛树搜索的证明助手，专为Lean 4定理证明设计，优化了训练和推理过程】'DeepSeek-Prover
正在拼命加载中
我是有底线的
没有更多的页面可以加载啦！