강화학습 프레임워크와 학습 환경: 2026년 추천

LLM과 diffusion 모델을 로컬에서 실행하고 미세 조정·내보내기할 수 있는 오픈소스 데스크톱 앱과 웹 UI, 코드 기반 학습 라이브러리입니다.

코드 작성 없이 CLI와 웹 UI로 100개 이상의 LLM 및 VLM을 효율적으로 파인튜닝하는 통합 프레임워크입니다.

Microsoft의 AI 중심 퀀트 투자 플랫폼으로, 퀀트 연구를 위한 데이터 처리, 모델 학습, 백테스팅 및 주문 실행을 지원합니다.

Ray는 분산 런타임과 AI 라이브러리를 제공해 노트북부터 클러스터까지 Python 및 AI 애플리케이션을 확장하는 통합 프레임워크입니다.

verl은 HybridFlow 논문을 기반으로 대규모 언어 모델의 후속 학습을 위한 오픈소스 강화 학습 라이브러리입니다.

Unity ML-Agents Toolkit은 강화 학습과 모방 학습으로 AI 에이전트를 훈련하는 환경을 제공합니다.

SFT, GRPO, DPO, KTO 및 보상 모델링으로 트랜스포머 언어 모델을 후속 학습하는 Hugging Face 라이브러리입니다.

Microsoft의 경량 에이전트 RL 프레임워크로, 기존 AI 에이전트가 실제 도구와 하네스를 그대로 사용하면서 강화 학습을 통해 학습할 수 있습니다.

자동 주식 거래와 포트폴리오 작업에 딥 강화학습을 적용하기 위한 오픈소스 Python 프레임워크입니다.

SFT, DPO, GRPO를 포함해 600개 이상의 대규모 언어 모델과 400개 이상의 멀티모달 모델을 미세 조정, 학습, 추론 및 배포하는 프레임워크입니다.

접촉하는 다관절 물체를 빠르고 정확하게 시뮬레이션하는 범용 물리 엔진으로, 로보틱스와 머신러닝 연구에서 널리 사용됩니다.

연구와 실제 응용에 신뢰할 수 있고 일관된 기준선을 제공하도록 설계된 강화 학습 알고리즘의 PyTorch 구현체입니다.

단일 에이전트 강화 학습 환경을 위한 표준 Python API와 참조 환경 모음으로, OpenAI Gym에서 포크되었습니다.

YAML 파일로 설정하는 무료 오픈소스 프레임워크로, 대규모 언어 모델의 미세 조정과 후속 학습을 지원합니다.

트랜스포머 LLM 학습 과정을 처음부터 구현하고 안내하는 PyTorch 코드베이스로, 사전 학습, SFT, 보상 모델링, DPO/PPO/GRPO와 텍스트 생성을 다룹니다.

기존 앱에 연결할 수 있는 클라이언트-서버 구조를 갖춘 Python RL 프레임워크로, GRPO를 사용해 LLM 에이전트가 직접 쌓은 경험으로 다단계 작업을 학습합니다.

Ray와 vLLM 기반으로 인간 피드백 강화학습(RLHF)과 대규모 언어·비전-언어 모델의 에이전트형 RL 학습을 지원하는 프레임워크입니다.

소형 이족 보행 오리 로봇을 구동하는 오픈소스 Rust 소프트웨어로, 모션 제어, 게임패드, 업데이트, 카메라 스트리밍을 지원합니다.

Terminal-Bench 팀이 컨테이너 환경에서 AI 에이전트와 언어 모델을 평가하고 최적화하기 위해 만든 프레임워크입니다.

모든 에이전트 하네스, 샌드박스, 학습 백엔드를 지원하는 강화학습 기반 LLM 에이전트 학습 오픈소스 프레임워크입니다.

base_url만 바꿔 블랙박스 에이전트도 RL로 학습할 수 있는, LLM 추론 및 에이전트 모델 학습을 위한 대규모 비동기 강화 학습 시스템입니다.

LLM, RL, RLHF, DPO, GRPO 및 관련 대규모 모델 알고리즘을 설명하는 오리지널 다이어그램 100여 개를 담은 이중 언어 자료입니다.

Google Cloud TPU와 GPU에서 대규모 모델을 사전 학습하고 후속 학습하는 JAX 기반 오픈소스 LLM 라이브러리이자 참조 구현입니다.

기초부터 응용 알고리즘까지 다루며 저장소에 PyTorch 구현을 제공하는 강화 학습 입문서

LLM 플래너, VLA 조작 모델, 메모리를 활용해 시뮬레이터와 실제 로봇에서 작업을 수행하는 임바디드 에이전트 개발 프레임워크입니다.

월드 모델 예측과 상호작용 피드백으로 코드 수정, GUI 작업, 실험실 계획을 반복적으로 개선하는 연구 프레임워크입니다.

웹 테이블을 제공하는 4인 파트너십 카드 게임 관단용 오픈소스 강화학습 에이전트

ASPIRE는 모델 가중치를 학습하는 대신 코딩 에이전트가 재사용 가능한 로봇 스킬을 반복적으로 개선하는 프레임워크입니다.

온라인 멀티플레이, 재접속, 스마트 봇을 지원하며 카드 조작 알고리즘 없이 완전히 무작위로 패를 나누는 Go 기반 Fight the Landlord 게임입니다.

라우팅, MAC, 물리 계층, 이동성 및 에너지 모델을 다루는 UAV 군집 통신 네트워크용 Python 시뮬레이터입니다.

Codex 에이전트를 Docker 컨테이너에서 실행해 Agent Skill을 Harbor 형식의 RL용 터미널 작업으로 변환합니다.