Ml Agents
Unity 官方开源机器学习智能体工具包，可将游戏和模拟环境作为训练场，使用深度强化学习训练智能体，广泛应用于机器人控制、游戏 AI 和仿真训练场景。（19K+ stars）
🎯适用场景：强化学习智能体训练、游戏 AI 开发、机器人仿真训练、3D 环境交互学习
📥 收录于 2026/5/24
📊 仓库数据
📈 Stars 变化 ↑12 小时 +1· 统计区间 7/10 12:08 → 7/11 00:11（12 小时）
✅ 优点
- •Unity 官方维护，稳定性高
- •丰富的示例项目和文档
- •支持多种强化学习算法
⚠️ 限制
- •需要 Unity 开发环境，入门门槛较高
- •C# 生态对 Python 开发者不够友好
🔗 相关工具
Awesome Self Supervised Learning
github.com/jason718/awesome-self-supervised-learning
自监督学习资料汇总，6391 stars。精选的自监督学习方法列表，涵盖对比学习、掩码建模等前沿技术
🎯AI 技术学习与研究参考
Awesome Multimodal Ml
github.com/pliang279/awesome-multimodal-ml
多模态机器学习资料汇总，6874 stars。多模态机器学习研究主题的阅读列表，涵盖视觉-语言、音频-文本等多模态领域
🎯多模态内容理解与生成
Ai Deadlines
github.com/paperswithcode/ai-deadlines
AI 会议倒计时，5989 stars。AI 会议截止日期倒计时工具，跟踪顶级 AI 会议的投稿 deadline
🎯AI 技术学习与研究参考
Machine Learning for Beginners
github.com/microsoft/ML-For-Beginners
微软官方机器学习入门课程，85,318+ stars。12 周完整课程体系，涵盖回归、分类、聚类、NLP 等核心 ML 概念，每节课含 Jupyter Notebook 实践练习。从基础统计学到高级模型，是最系统的 ML 入门学习路径。
🎯AI 技术选型与学习参考、AI 技术学习与实践教程
Scikit Learn
github.com/scikit-learn/scikit-learn
Python 机器学习库，65,876+ stars。最流行的 Python 机器学习框架，提供分类、回归、聚类、降维等全面的 ML 算法，API 设计简洁优雅，是 ML 入门和工业实践的首选
🎯AI 技术学习与研究参考
Mathematical Foundations of RL
github.com/mathfoundationrl/book-mathematical-foundation-of-reinforcement-learning
《强化学习的数学基础》——开源电子书，系统讲解强化学习算法背后的数学理论，涵盖 MDP、Bellman 方程、策略梯度等核心内容。
🎯强化学习系统学习——适合想从数学层面深入理解 RL 算法原理的研究者和工程师
