Frameworks e ambientes de aprendizado por reforço: os melhores de 2026

Aplicativo desktop de código aberto e interface web para executar, ajustar e exportar LLMs e modelos de difusão localmente, além de uma biblioteca de treinamento baseada em código.

Framework unificado para ajustar 100+ LLMs e VLMs com eficiência, usando uma CLI e uma interface Web sem código.

Plataforma de investimento quantitativo orientada a IA da Microsoft, que abrange dados, treinamento de modelos, backtesting e execução de ordens para pesquisa quantitativa.

Ray é um framework unificado para escalar aplicações Python e de IA, do laptop ao cluster, com runtime distribuído e bibliotecas de IA.

verl é uma biblioteca open source de treinamento por aprendizado por reforço para o pós-treinamento de grandes modelos de linguagem, baseada no artigo HybridFlow.

O Unity ML-Agents Toolkit permite usar jogos e simulações Unity como ambientes para treinar agentes de IA com aprendizado por reforço e por imitação.

Uma biblioteca da Hugging Face para pós-treinar modelos de linguagem transformer com SFT, GRPO, DPO, KTO e modelagem de recompensas.

Framework leve de RL agêntico da Microsoft para treinar agentes de IA existentes com reinforcement learning, mantendo suas ferramentas e seus harnesses reais.

Framework Python de código aberto para aplicar deep reinforcement learning a tarefas de negociação automatizada de ações e gestão de portfólio.

Framework de ajuste fino, treinamento, inferência e implantação para mais de 600 LLMs e 400 modelos multimodais, com suporte a SFT, DPO e GRPO.

Um mecanismo de física de uso geral para simular corpos articulados em contato com rapidez e precisão, amplamente usado em robótica e pesquisa em machine learning.

Implementações em PyTorch de algoritmos de aprendizado por reforço, projetadas como uma base confiável e consistente para pesquisa e aplicações.

Uma API Python padrão para ambientes de aprendizado por reforço com agente único, além de um conjunto de ambientes de referência, derivado do Gym da OpenAI.

Framework gratuito e open source para fine-tuning e pós-treinamento de LLMs, configurado por arquivos YAML.

Um guia prático e codebase em PyTorch para treinar um LLM do zero, cobrindo pré-treinamento, SFT, modelagem de recompensas, DPO/PPO/GRPO e geração.

Framework de RL em Python que treina agentes LLM em várias etapas com base na própria experiência, usando GRPO e uma arquitetura cliente-servidor que se integra a apps existentes.

Framework baseado em Ray e vLLM para RLHF e treinamento de agentes com RL em modelos de linguagem e visão-linguagem de grande porte.

Software open source em Rust para controlar um pequeno robô pato bípede, com controle de movimento, gamepad, atualizações e transmissão de vídeo da câmera.

Um framework da equipe do Terminal-Bench para avaliar e otimizar agentes de IA e modelos de linguagem em ambientes de contêineres.

Framework open source para treinar agentes com LLM usando aprendizado por reforço, compatível com qualquer harness de agente, sandbox e backend de treinamento.

Sistema assíncrono de reinforcement learning em larga escala para treinar modelos de raciocínio e agentes com LLMs, incluindo RL para agentes black-box com a troca de base_url.

Coleção bilíngue com mais de 100 diagramas originais que explicam LLM, RL, RLHF, DPO, GRPO e algoritmos relacionados a modelos de grande porte.

Biblioteca open source de LLM baseada em JAX e implementação de referência para pré-treinar e pós-treinar modelos grandes em TPUs e GPUs do Google Cloud.

Um livro introdutório e conciso sobre aprendizado por reforço, dos conceitos básicos a algoritmos aplicados, com implementações em PyTorch no repositório.

Framework aberto para criar agentes incorporados que usam planejadores com LLMs, modelos VLA de manipulação e memória para executar tarefas robóticas em simuladores e robôs reais.

Framework de pesquisa que usa previsões de modelos de mundo e feedback de interação para promover autoaperfeiçoamento recursivo em reparo de código, tarefas de GUI e planejamento de laboratório.

Agente de aprendizado por reforço open source para GuanDan competitivo, um jogo de cartas em duplas com quatro jogadores, com uma mesa web jogável.

ASPIRE é um framework em que agentes de programação refinam iterativamente habilidades reutilizáveis de robôs para tarefas de manipulação simuladas e reais, em vez de treinar pesos do modelo.

Jogo de cartas Fight the Landlord em Go, com partidas online, reconexão, bots inteligentes e distribuição totalmente aleatória, sem algoritmos de manipulação das cartas.

Simulador em Python de redes de comunicação para enxames de UAVs, com modelos de roteamento, MAC, camada física, mobilidade e energia.

Transforma qualquer Agent Skill em tarefas de terminal prontas para RL no formato Harbor, usando agentes Codex em contêineres Docker.