reinforcement-learning

unslothai/unsloth

LLM/画像生成モデルをローカルで動かすデスクトップアプリ — Unslothはローカル環境でLLMや拡散モデルの実行・学習ができる初のデスクトップアプリです。GGUFやMLX形式に対応し、Qwen3.8やDeepSeek-V4、Gemma、FLUXなど最新モデルを幅広くサポート。クラウド不要でファインチューニングまで完結できる点が特徴です。

rohitg00/ai-engineering-from-scratch

523レッスンで学ぶAIエンジニアリング完全ガイド — 深層学習・LLM・エージェント・強化学習・コンピュータビジョンまでを20フェーズ523レッスンで体系的に学べる実践型カリキュラムです。学んで、作って、他人のために出荷するという理念のもと、Pythonを中心にRustやTypeScriptも扱い、多言語READMEも用意されています。AI Agent Memoryの作者による信頼性の高い教材です。

labmlai/annotated_deep_learning_paper_implementations

注釈付きコードで学ぶ60以上の深層学習論文実装集 — PyTorchによる実装に、注釈ノートを並べて解説する論文実装集です。Transformer、GAN、強化学習、オプティマイザなど60以上を網羅し、ほぼ毎週更新されています。コーディングエージェント向けの実装スキルも案内されており、論文を読むより実装として理解したい学習者やエンジニアに向いています。

bojieli/ai-agent-book

AI Agent実践本『深入理解AI Agent』全文＋実験コード無料公開 — 『Agent = LLM + 文脈 + ツール』を軸に、原理から実装まで10章で解説する書籍のオープンソース版です。全文・図解・109個の実験コードを無料公開し、実際に手を動かして学べます。RAGやマルチエージェント、強化学習、MCPなど最新トピックを網羅し、多言語版PDF/EPUBも配布されています。

ray-project/ray

PythonとML処理をラップトップからクラスタまでスケールするRay — Rayは分散ランタイム（タスク・アクター・オブジェクト）と、データ処理・分散学習・ハイパーパラメータ調整・強化学習・サービングを支えるAIライブラリ群を組み合わせたフレームワークです。ラップトップからKubernetesクラスタまで動作し、LLM推論・サービング機能やダッシュボード、分散デバッガも備え、従来のMLからLLMまで幅広くスケールしたいチームに適しています。

sgl-project/sglang

LLM/マルチモーダル推論を高速化するSGLang — SGLangはLLMやVLM、拡散モデルまで対応する高性能推論サーバーです。DeepSeekやQwen、GLMなど最新モデルへの即日対応や、投機的デコーディングなど独自最適化でBlackwellやTPUといった最新ハードウェアで高速推論を実現し、大規模モデル運用者に注目されています。

microsoft/agent-lightning

実運用の再現なしでAIエージェントを強化学習する軽量フレームワーク — Microsoft製のAgentic RLフレームワークで、わずか3,500行というシンプルさが特徴です。既存のエージェント実装（ツールや制御フロー含む）を一切変更せずプロキシ経由で強化学習でき、Kubernetes上でジョブとして直接実行可能です。実際にSWE-bench Verifiedで41.8%→56.4%への改善例も公開されており、コーディングエージェントの訓練に興味がある研究者・エンジニアに刺さる内容です。

owainlewis/awesome-artificial-intelligence

生成AI・エージェント開発者のための厳選リソース集 — 単なるAI製品ディレクトリではなく、技術的な深さと実用性を重視して厳選されたリスト。基礎理論から言語モデル・検索・エージェントを使った実装、本番運用の評価・監視まで幅広く網羅しています。週次で自動レビューされ品質が保たれている点も特徴です。

snap-stanford/memorilla

文書集合を16個のメモリトークンに圧縮するLLM記憶機構 — Memorillaはスタンフォード発の研究プロジェクトで、文書集合全体をクエリ依存の少数メモリトークンに凝縮し、凍結したLLMに渡します。わずか16トークンでMem0やMemoRAGを上回り、FactKGでは全文書を与えるより高精度（84.33%対80.43%）かつトークン数は108分の1。TextWorldでのエージェント成功率も18.6%から24.2%に向上します。

joeynyc/awesome-microduck

発売前から追えるMicroduckロボットのエコシステム一覧 — Pollen RoboticsとHugging FaceによるオープンソースのバイペッドロボットMicroduckに関するキュレーションリストです。歩行やキックなどの動作はMuJoCoで学習しONNX化されたポリシーで、出荷は2026年12月予定のため、現時点で使えるシミュレーターや学習ツール、MCP連携、関連記事を中心にまとめています。ロボティクスやRL研究者に向いています。