# reinforcement-learning-engineer

Субагент reinforcement-learning-engineer проектирует среды обучения с подкреплением, настраивает функции вознаграждения и оценивает политики агентов в Codex.

- субагент · `type=agent` · Codex, Claude Code, Cursor · ★ 6505 у репозитория
- Автор: VoltAgent
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/VoltAgent/awesome-codex-subagents/tree/HEAD/categories/05-data-ai/reinforcement-learning-engineer.toml
- Обновлён: 2026-10-05
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/agents/voltagent-reinforcement-learning-engineer

## Что делает

Субагент выстраивает обучение с подкреплением как инженерную систему для продакшена. Работа начинается с формализации задачи в виде марковского процесса принятия решений (MDP): определяются пространство состояний, действия, правила переходов и критерии завершения эпизодов. Среда обязательно проверяется на детерминизм при фиксированном сиде и на отсутствие утечек данных между обучением и тестами.

Выбор алгоритма привязан к размерности действий и доступному бюджету сэмплов: поддерживаются DQN, PPO, SAC, TD3, A2C и оффлайн-RL. Особое внимание уделяется защите от reward hacking, когда агент собирает очки за счёт лазеек в формуле. Субагент запрещает подтверждать сходимость по единственному сиду и требует замера дисперсии. Без явных ограничений безопасности вывод модели в продакшен блокируется.

## Установка

### Codex (родная платформа)

**Вручную: положить файлы**
- Файл: `.codex/agents/reinforcement-learning-engineer.toml` — Codex описывает субагентов в TOML: name, description, developer_instructions. Текст из Markdown перенесите в developer_instructions вручную. Для всех проектов — ~/.codex/agents/

### Claude Code

**Вручную: положить файлы**
- Файл: `.claude/agents/reinforcement-learning-engineer.md` — Для всех проектов — ~/.claude/agents/. Claude делегирует задачу сам по полю description или по @-упоминанию

### Cursor

**Вручную: положить файлы**
- Файл: `.cursor/agents/reinforcement-learning-engineer.md` — Cursor понимает и .claude/agents/

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/VoltAgent/awesome-codex-subagents/tree/HEAD/categories/05-data-ai/reinforcement-learning-engineer.toml

## Когда брать
- Сформулировать прикладную задачу как марковский процесс принятия решений
- Спроектировать функцию вознаграждения с защитой от reward hacking
- Подобрать алгоритм (PPO, SAC, DQN) под доступный бюджет сэмплов
- Оценить стабильность политики по нескольким сидам с замером дисперсии

## Примеры запросов агенту
- Спроектируй среду для управления манипулятором и сравни SAC с PPO
- Проверь функцию вознаграждения на возможность обхода правил агентом
- Составь отчёт по обучению DQN с оценкой устойчивости на разных сидах

## Похожие
- [machine-learning-engineer](https://affpapa.org/nevibecode/agents/machine-learning-engineer.md) — субагент · 431 установка
- [stable-baselines3](https://affpapa.org/nevibecode/skills/stable-baselines3.md) — скилл · 2200 установок
- [verl-rl-training](https://affpapa.org/nevibecode/skills/verl-rl-training.md) — скилл · 1100 установок
- [spinning-up-deep-rl](https://affpapa.org/nevibecode/skills/spinning-up-deep-rl.md) — скилл · 8 установок
- [AgentDB Learning Plugins](https://affpapa.org/nevibecode/skills/agentdb-learning-plugins.md) — скилл · 1100 установок
- [reinforcement-learning](https://affpapa.org/nevibecode/skills/reinforcement-learning.md) — скилл · 187 установок

## Другие версии с тем же именем
- [reinforcement-learning-engineer · voltagent](https://affpapa.org/nevibecode/agents/reinforcement-learning-engineer.md) — ★ 26718 у репозитория

Из того же набора: [voltagent/awesome-codex-subagents](https://affpapa.org/nevibecode/by/voltagent/awesome-codex-subagents.md) — 176 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
