Inicio› Proyectos› awesome-monte-carlo-tree-search-papers

Python

awesome-monte-carlo-tree-search-papers

Una lista curada de artículos sobre búsqueda de árboles de Monte Carlo con implementaciones.

por benedekrozemberczki · GitHub

Estrellas

Ramas

Licencia

Creado

Último commit

Categoría

Lenguaje

atari deep-learning deep-q-learningCC0-1.0Python

En palabras simples

Navega por una lista de documentos de investigación sobre búsqueda de árboles de Monte Carlo con implementaciones prácticas.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →

awesome-monte-carlo-tree-search-papers — GitHub preview card

📈 Historial de estrellas

2026-07-202026-08-31

📈 Sigue awesome-monte-carlo-tree-search-papers

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras

Recibir alertas por email →

📄 Acerca de

Una lista curada de artículos sobre búsqueda de árboles de Monte Carlo con implementaciones.

awesome-monte-carlo-tree-search-papers tiene 713 estrellas en GitHub. Se ha bifurcado 76 veces. awesome-monte-carlo-tree-search-papers está escrito principalmente en Python. Se desarrolla activamente desde 2019. awesome-monte-carlo-tree-search-papers está disponible bajo la licencia CC0-1.0. Sus temas principales son: atari, deep-learning, deep-q-learning, learning.

❓ Frequently asked questions

¿Qué es awesome-monte-carlo-tree-search-papers?

Una lista curada de artículos sobre búsqueda de árboles de Monte Carlo con implementaciones.

¿awesome-monte-carlo-tree-search-papers es de código abierto?

awesome-monte-carlo-tree-search-papers es un proyecto de código abierto. Se distribuye bajo la licencia CC0-1.0.

¿awesome-monte-carlo-tree-search-papers es gratis?

Sí. awesome-monte-carlo-tree-search-papers es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está awesome-monte-carlo-tree-search-papers?

awesome-monte-carlo-tree-search-papers está disponible bajo la licencia CC0-1.0.

¿En qué lenguaje está escrito awesome-monte-carlo-tree-search-papers?

awesome-monte-carlo-tree-search-papers está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?

olud.ai badge — awesome-monte-carlo-tree-search-papers

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=benedekrozemberczki-awesome-monte-carlo-tree-search-papers)](https://olud.ai/project/benedekrozemberczki-awesome-monte-carlo-tree-search-papers.html)

Más opciones de distintivos →

🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Dominando Atari con Modelos de Mundo Discretos.

★ 1.1k · artificial-intelligence

Los Transformers son modelos del mundo eficientes en muestras. ICLR 2023, notable top 5%.

★ 897 · artificial-intelligence

DIAMOND (DIffusion As a Model Of eNvironment Dreams) es un agente de aprendizaje por refuerzo e…

★ 2.1k · artificial-intelligence

Deep_reinforcement_learning_Course

Implementaciones del curso gratuito Aprendizaje por Refuerzo Profundo con Tensorflow y PyTorch

★ 3.9k · a2c

compartedeep-q-learning

Biblioteca de Python para Aprendizaje por Refuerzo.

★ 939 · atari

Tetris-deep-Q-learning-pytorch

Deep Q-learning para jugar al juego de tetris.

compartedeep-q-learning

Flappy-bird-deep-Q-learning-pytorch

Deep Q-learning para jugar al juego Flappy Bird

★ 558 · deep-q-learning

compartedeep-q-learning

XuanCe: Una biblioteca integral y unificada de Aprendizaje por Refuerzo Profundo

★ 1.1k · a2c

OpenDILab Motor de IA Decisional. El Marco de Aprendizaje por Refuerzo más Completo B.P.

★ 3.6k · atari

[NeurIPS 2023 Spotlight] LightZero: Un Benchmark Unificado para Búsqueda de Árboles de Monte Ca…

★ 1.6k · alpha-beta-pruning

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.