Awesome-OpenClaw-RL
pILLOW-1/Awesome-OpenClaw-RL
A curated directory of open-source frameworks, core projects, and infrastructure for reinforcement learning applied to LLM agents.
49 1MITUpdated 2026-04-10
71
GoodOverview
This collection highlights cutting-edge tools and repositories bridging agent infrastructure and reinforcement learning. It categorizes frameworks that enable online continual learning, natural conversation feedback, policy training, and efficient asynchronous rollouts for LLM agents.
Capabilities
- ▸Curated list of agent RL projects
- ▸Categorization by infrastructure, training frameworks, and ecosystem
- ▸Links to technical papers and repositories
Best for
Discovering open-source agentic reinforcement learning frameworks, Finding infrastructure for training LLM agents with online and offline RL, Exploring architectures that decouple rollout generation from policy training
Works with
CursorGitHub CopilotOpenCode
Evoa Score breakdown= Σ (score × weight)
71Task usefulness20%65 → +13.0
実タスクにどれだけ役立つか（機能の豊富さ・用途の明確さ）。 — AIによるcapabilities/use-cases解析
Code quality15%90 → +13.5
実装・指示の品質。 — AIによるSKILL.md/README解析
Maintenance15%70 → +10.5
リポジトリがどれだけ活発に保守されているか。 — GitHub 最終push日時の新しさ
Documentation12%28 → +3.4
ドキュメントの充実度・分かりやすさ。 — README/独自要約の情報量
Security15%100 → +15.0
危険・不審な挙動が無いか。 — AIによるセキュリティレビュー
Originality10%80 → +8.0
ありふれたラッパーではない独自性。 — AIによる独自性判定
Popularity8%43 → +3.4
コミュニティの採用度。 — GitHub Stars/Forks（対数スケール）
Compatibility5%75 → +3.8
対応AIエージェントの広さ。 — AIによる対応エージェント判定
Weighted total70.5 / 100
ライセンス不明/制限あり（Red）のSkillは総合スコアに0.85倍の補正を適用します。 ランキングはこのScoreのみで決まり、広告で変わりません。 算出方法の詳細 →
Security considerations
Review third-party repositories carefully before integrating their code or training pipelines.
Categories
Summary and analysis are original content generated by AI Skills Rank. The skill's source text is not reproduced here — view it on the linked repository.