Stable-Baselines3 强化学习

生产就绪的强化学习算法（PPO、SAC、DQN、TD3、DDPG、A2C），带 scikit-learn 式 API。用于标准 RL 实验、快速原型与文档良好的算法实现。最适合 Gymnasium 环境的单智能体 RL。高性能并行训练、多智能体或自定义向量化环境用 pufferlib。