学习强化学习常常需要翻阅各种资料，经典教材讲基础理论，前沿论文聊大模型对齐，代码实现又分散在不同仓库，理解起来颇为费力。
Hands-on Modern RL 把强化学习从入门到前沿全部整合，提供一套完整的实战学习路线。
不仅有 CartPole 倒立摆、DQN、PPO 等经典算法，还覆盖 RLHF、DPO、GRPO、RLVR 等大模型对齐技术，甚至包含 Agentic RL 和 VLM 强化学习项目。
教程：walkinglabs.github.io/hands-on-modern-rl/preface/introGitHub：github.com/walkinglabs/hands-on-modern-rl
- 实践优先教学，从 CartPole 第一行代码开始，快速建立 RL 直觉；- 完整算法路线，从 Q-Learning、REINFORCE 到 PPO、DPO 全覆盖；- 大模型 RLHF 工程流水线，包含 SFT、RM、PPO 对齐实战；- Agentic RL 项目实践，多工具 Code Agent 和 Deep Research Agent；- 可运行代码示例，每章配训练曲线分析和调试指南；- 前沿扩展，VLM 强化学习、具身智能、离线 RL 等未来方向。
支持 Web 在线阅读、Docker 本地运行，CPU/GPU 均可，适合学生、工程师和研究人员学习。
强化学习RL人工智能大模型
