近年来，强化学习（RL）在学术界和工业界都得到了广泛的研究。然而，只有少数RL框架是为研究人员或想要学习RL的学生开发的。作为回应，我们提出了一个开源的强化学习框架“加入我们的强化学习框架来开发你的”（JORLDY）。JORLDY提供了20多种广泛使用的RL算法，这些算法都是用Pytorch实现的。此外，JORLDY还支持多种RL环境，包括OpenAI gym、Unity ML-Agents、Mujoco、Super Mario Bros和Procgen。此外，算法组件如Agent、网络、环境等可以自由定制，用户可以方便地修改和添加算法组件。我们期望JORLDY能够支持各种RL研究，并为RL领域的进一步发展做出贡献。JORLDY的源代码在以下Github上提供：https://github.com/kakaoenterprise/JORLDY
英文摘要：
Recently, Reinforcement Learning (RL) has been actively researched in both academic and industrial fields. However, there exist only a few RL frameworks which are developed for researchers or students who want to study RL. In response, we propose an open-source RL framework "Join Our Reinforcement Learning framework for Developing Yours" (JORLDY). JORLDY provides more than 20 widely used RL algorithms which are implemented with Pytorch. Also, JORLDY supports multiple RL environments which include OpenAI gym, Unity ML-Agents, Mujoco, Super Mario Bros and Procgen. Moreover, the algorithmic components such as agent, network, environment can be freely customized, so that the users can easily modify and append algorithmic components. We expect that JORLDY will support various RL research and contribute further advance the field of RL. The source code of JORLDY is provided on the following Github: https://github.com/kakaoenterprise/JORLDY
Mila - Québec AI Institute（米拉-魁北克人工智能研究所）；New York University（纽约大学）；Farama Foundation（法拉马基金会）；University of Southampton（南安普顿大学）；Miple；Telekinesis；Google DeepMind（谷歌DeepMind）；Swarm Labs（Swarm实验室）
skrl是一个用Python编写的用于强化学习的开源模块化库，其设计重点是算法实现的可读性，简单性和透明度。除了支持使用OpenAI Gym和DeepMind传统界面的环境外，它还提供加载、配置和操作NVIDIA Isaac Gym和NVIDIA Omniverse Isaac Gym环境的工具。此外，它还可以同时训练具有可定制范围（所有可用环境中的环境子集）的多个代理，这些代理可以在同一次运行中共享资源，也可以不共享资源。该库的文档可以在https://skrl.readthedocs.io上找到，其源代码可以在GitHub https://github.com/Toni-SM/skrl上找到。
Modular Object-Oriented Games: A Task Framework for Reinforcement Learning, Psychology, and Neuroscience
Massachusetts Institute of Technology（麻省理工学院）；Center for Brains, Minds and Machines, MIT（麻省理工学院脑、心智与机器中心）；McGovern Institute of Brain Research, MIT（麻省理工学院麦戈文脑科学研究所）
Reinforcement Learning Based Emotional Editing Constraint Conversation Generation
Hefei University of Technology（合肥工业大学）；Kingsoft Institute of Artificial Intelligence（金山人工智能研究院）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
ORLM: A Customizable Framework in Training Large Models for Automated Optimization Modeling
Shanghai University of Finance and Economics（上海财经大学）；The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳））；Shenzhen Research Institute of Big Data（深圳大数据研究院）；Shanghai Jiao Tong University（上海交通大学）；Cardinal Operations；Columbia University（哥伦比亚大学）；Duke University（杜克大学）
ChemGymRL: An Interactive Framework for Reinforcement Learning for Digital Chemistry
University of Ottawa（渥太华大学）；University of Waterloo（滑铁卢大学）；National Research Council of Canada（加拿大国家研究委员会）；Vector Institute for Artificial Intelligence（矢量人工智能研究所）
本文提出ChemGymRL，一个基于Open AI Gym的开源强化学习交互式框架，通过一系列互联的虚拟化学实验台支持RL智能体训练，解决真实化学实验中数据密集且危险的问题，并验证了多种标准RL算法的性能。
qgym: A Gym for Training and Benchmarking RL-Based Quantum Compilation
The Netherlands Organisation for Applied Scientific Research (TNO)（荷兰应用科学研究组织（TNO））；Bernoulli Institute（伯努利研究所）；Faculty of Science and Engineering（科学与工程学院）；University of Groningen（格罗宁根大学）；Quantum & Computer Engineering（量子与计算机工程系）；QuTech（QuTech（量子技术研究所））；Delft University of Technology（代尔夫特理工大学）
AdaSociety: An Adaptive Environment with Social Structures for Multi-Agent Decision-Making
State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，北京通用人工智能研究院）；Peking University（北京大学）；New York University（纽约大学）；Tsinghua University（清华大学）；University of Science and Technology of China（中国科学技术大学）
One Model for All: Multi-Objective Controllable Language Models
Ruhr University Bochum（波鸿鲁尔大学）；Eindhoven University of Technology（埃因霍温理工大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；University of Liverpool（利物浦大学）
