Фреймворки и среды для обучения с подкреплением: лучшее в 2026

Приложение с открытым исходным кодом и веб-интерфейс для локального запуска, дообучения и экспорта LLM и diffusion-моделей, а также библиотека для обучения через код.

Единый фреймворк для эффективной тонкой настройки более 100 LLM и VLM через CLI и веб-интерфейс без написания кода.

Ориентированная на AI платформа Microsoft для количественных инвестиций: данные, обучение моделей, бэктестинг и исполнение ордеров.

Ray — единый фреймворк для масштабирования приложений на Python и ИИ: от ноутбука до кластера, с распределённой средой выполнения и библиотеками для ИИ.

verl — библиотека с открытым исходным кодом для обучения с подкреплением и постобучения больших языковых моделей, созданная на основе статьи HybridFlow.

Unity ML-Agents Toolkit превращает игры и симуляции на Unity в среды для обучения ИИ-агентов с помощью обучения с подкреплением и имитационного обучения.

Библиотека Hugging Face для пост-тренинга языковых трансформеров: SFT, GRPO, DPO, KTO и обучение reward-моделей.

Лёгкий фреймворк агентного RL от Microsoft для обучения существующих AI-агентов с помощью reinforcement learning без отказа от привычных инструментов и обвязки.

Открытый Python-фреймворк для применения глубокого обучения с подкреплением в автоматизированной торговле акциями и управлении портфелем.

Фреймворк для дообучения, обучения, инференса и деплоя более 600 больших языковых и 400 мультимодальных моделей, включая SFT, DPO и GRPO.

Универсальный физический движок для быстрой и точной симуляции контактирующих сочленённых тел, широко используемый в робототехнике и исследованиях машинного обучения.

Реализации алгоритмов обучения с подкреплением на PyTorch — надёжная и единообразная отправная точка для исследований и практических задач.

Стандартный Python API для одноагентных сред обучения с подкреплением и набор эталонных сред, форк OpenAI Gym.

Бесплатный фреймворк с открытым исходным кодом для дообучения и постобучения больших языковых моделей с настройкой через YAML-файлы.

Практическое руководство и кодовая база на PyTorch для обучения LLM-трансформера с нуля: предобучение, SFT, reward modeling, DPO/PPO/GRPO и генерация.

Python-фреймворк для обучения многошаговых LLM-агентов на собственном опыте с помощью GRPO; клиент-серверная архитектура позволяет встроить его в существующие приложения.

Фреймворк на базе Ray и vLLM для обучения больших языковых и мультимодальных моделей с помощью RLHF и агентного RL.

ПО с открытым исходным кодом на Rust для управления маленьким двуногим роботом-уткой: движение, геймпад, обновления и видеопоток с камеры.

Фреймворк от команды Terminal-Bench для оценки и оптимизации AI-агентов и языковых моделей в контейнерных средах.

Open-source фреймворк для обучения LLM-агентов с помощью reinforcement learning, совместимый с любыми агентскими harness, sandbox и бэкендами обучения.

Масштабируемая система асинхронного обучения с подкреплением для тренировки LLM, способных рассуждать и действовать как агенты; обучение агентов с закрытым исходным кодом запускается заменой base_url.

Двуязычная коллекция из более чем 100 авторских схем, объясняющих LLM, RL, RLHF, DPO, GRPO и другие алгоритмы для больших моделей.

Библиотека LLM с открытым исходным кодом на базе JAX и эталонная реализация для pre-training и post-training больших моделей на TPU и GPU в Google Cloud.

Краткое введение в обучение с подкреплением: от основ до прикладных алгоритмов, с реализациями на PyTorch в репозитории.

Открытый фреймворк для создания embodied-агентов, которые используют LLM-планировщики, VLA-модели манипуляции и память для выполнения задач на симуляторах и реальных роботах.

Исследовательский фреймворк, использующий предсказания модели мира и обратную связь от взаимодействия для рекурсивного самоулучшения в задачах исправления кода, работы с GUI и планирования экспериментов.

Опенсорсный агент с обучением с подкреплением для соревновательной игры в Гуандан — карточной игры для четырёх игроков, где играют командами по двое; есть веб-стол.

ASPIRE — фреймворк, в котором coding agents итеративно дорабатывают повторно используемые навыки роботов для симуляции и реальных манипуляционных задач вместо обучения весов модели.

Карточная игра «Бой с地主» на Go: онлайн-мультиплеер, переподключение, умные боты и полностью случайная раздача без алгоритмов управления картами.

Симулятор на Python для коммуникационных сетей роев БПЛА с моделями маршрутизации, MAC, физического уровня, мобильности и энергопотребления.

Преобразует любые Agent Skill в готовые для RL терминальные задачи в формате Harbor с помощью Codex-агентов в Docker-контейнерах.