JAX 強化學習基準庫

此 GitHub 開源專案 Jax-Baseline 是一個使用 JAX 和 Flax/Haiku 函式庫的強化學習實現，旨在鏡像 Stable-Baselines 的功能。根據 README 說明，專案透過 JAX 的即時編譯（JIT）優化，提供比 PyTorch 和 TensorFlow 實現快 2-3 倍的效能。它支援多種強化學習環境，包括 Gymnasium 和 EnvPool，並實現了廣泛的算法，如基於 Q-Net 的 DQN、C51、QRDQN、IQN、FQF、SPR 和 BBF，基於 Actor-Critic 的 A2C、PPO、Truly PPO 和 SPO，以及 DPG 算法。專案提供便捷的安裝方式，使用 uv 管理虛擬環境，並詳細列出算法支援狀態，適用於強化學習研究、算法實驗和高效能 AI 代理開發。