来自 Hugging Face 的 AI 项目

DataWorld-35B-A3B

Zhanli-Li · 工具包

用多轮智能体强化学习在 DataWorld 任务上调优的 Qwen3.6-35B-A3B 模型，面向会调用工具的智能体。适合部署大型混合专家模型的团队。

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络，从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

Tev-320B

gordonhu · 工具包

一个 320B 的混合专家智能体模型，只用一个 bash 工具完成较长的终端任务。用 1,170 个环境做强化学习训练，面向研究者，采用非商业许可。

Ornith-1.0-9B-GGUF

ornith-ai · 工具包

一个 9B 开源编码智能体模型的 GGUF 副本，用强化学习训练它写出解决方案和围绕方案的脚手架。适合在本地运行智能体、使用单块 GPU 的开发者。

NousCoder-14B

NousResearch · 工具包

为竞赛编程题写代码的模型，在 Qwen3-14B 基础上用强化学习继续训练，训练题共 24k 道，答案都可以检验。适合想在自己电脑上运行代码模型的开发者。

AI-XAUUSD-Trading

JonusNattapong · 工具包

用三个强化学习模型、市场状态识别和风险规则来交易黄金兑美元。这是给研究交易算法的人用的研究项目，不是投资建议。

Jasper-K-35B-MoE

ragentile · 工具包

这个模型编写 GPU 内核，并通过在测试环境里反复尝试来提升速度。它是用强化学习从 Qwen3.6-35B-A3B 训练出来的混合专家模型，面向调优 GPU 代码的工程师。

Jasper-K-32B

ragentile · 工具包

这个模型编写 GPU 内核，并通过在测试环境里反复尝试来提升速度。它是用强化学习从 QwQ-32B 训练出来的 32B 模型，面向调优 GPU 代码的工程师。

Rein-NPC-4B

jmc0 · 工具包

驱动能对话、能在游戏中执行动作（比如出售物品或叫来守卫）、并在压力下保持角色设定的游戏角色。适合使用 llama.cpp 或 LLMUnity 的游戏开发者。

orukqwen-asr-1.7b

oruk · 工具包

把英文语音转成文字。它是用词错误率做强化学习后训练的 Qwen3-ASR-1.7B，适合需要英文转写的开发者和语音研究者。

Jasper-K-27B

ragentile · 工具包

用强化学习调优的模型，用于编写并加速 GPU 内核，基于 Qwen 底座，用编译、正确性和计时反馈训练。适合做 GPU 性能工作的开发者。

Mellum2.1-12B-A2.5B-Thinking

JetBrains · 工具包

12B 混合专家思考模型，激活参数 2.5B，在真实代码仓库中用强化学习训练，面向编程智能体、数学和困难推理。由 JetBrains 打造，上下文 131,072 token。

DeepSeek-R1

deepseek-ai · 工具包

用 684B 的推理模型生成文本，该模型主要通过强化学习训练，面向数学、代码和逻辑。适合自己托管大型开源模型的研究人员和团队。

MiMo-V2.6-Pro-RL

XiaomiMiMo · 工具包

在一个 1.02T 参数、1M 词元上下文的模型里同时处理文字、图像、视频和音频。它是小米 MiMo-V2.6 系列的旗舰，用大规模强化学习训练，面向编程和智能体工作。

Rein-NPC playground

jmc0 · 工具包

让你和一个小镇里的三个游戏角色对话，它们由一个只下载一次、在浏览器里运行的 4B 模型扮演，每条回复下面都会显示模型做出的决定。

MiMo RL Environment Explorer

FineEnvs · 工具包

浏览 XiaomiMiMo 的 7,780 个强化学习环境，然后让模型运行一个任务并显示评分。这是一个非官方的浏览器，适合测试或比较 AI 智能体的人。

RL Environments on Hugging Face

FineEnvs · 工具包

让你浏览 Hugging Face Hub 上的强化学习环境，查看它们的任务和奖励，并运行智能体 rollout 来比较结果。适合强化学习和智能体研究者。

Microduck Sandbox

pollen-robotics · 工具包

在浏览器里操控一只模拟的 Microduck 机器人，使用训练好的行走、坐下、翻滚和踢球策略，还有轮式版本。适合机器人和强化学习爱好者。