vlmrl
JAXで書かれた、視覚言語モデル向けの実験的な強化学習ジムです。環境とモデルを差し替えてPPOで学習できます。
Xで共有ライセンス: Apache-2.0
概要
vlm-gymは、視覚言語モデル向けの強化学習ジムで、JAXで書かれた実験的なプロジェクトです。任意の環境とモデルを組み込み、PPOで学習させることを想定しています。GeoGuessr、NLVR2、キャプション生成といった環境と、Hugging FaceからJAXへ変換できる参照モデルQwen3-VL-4B-Instructが含まれます。学習、ロールアウト、評価の機能はcoreフォルダにあり、GeoGuessrの学習は段階的なカリキュラムで進みます。
主な特長
- GeoGuessr、NLVR2、キャプションなど差し替え可能な環境
- 視覚言語モデル向けのPPOトレーナー
- ロールアウトとHugging Face基準との評価
- Qwen3-VL-4B-InstructをJAXへ変換
こんな人・用途に
JAXで視覚言語モデルの強化学習を試したい研究者向け。READMEでは状態が実験的とされています。
- アップストリーム
- sdan/vlm-gym
- GitHubのフォーク
- Guo-astro/vlmrl
- アップストリームのスター数
- 149
- カテゴリ
- AIエージェントとLLMツール
- 言語
- Python
- ライセンス
- Apache-2.0
- フォーク日
- 2025-10-14
- 同期状態
- 同期済み最終同期 2026-09-29
同じカテゴリ: AIエージェントとLLMツール
英語圏以外の子どもが、AIの話し相手と会話して英語のスピーキングとリスニングを練習できる無料のデスクトップアプリです。
フォーク日 2026-09-28最終同期 2026-09-29ライセンス: MITAIエージェントとLLMツールGitHub
中国特許向けのエージェントスキルです。特許ポイントの発掘、出願書類の作成、特許の平易な解説、審査対応の支援ができます。
フォーク日 2026-09-28最終同期 2026-09-29ライセンス: MITAIエージェントとLLMツールGitHub
Hugging Face製の小さなPythonライブラリで、コードを書いて実行しながら課題を解くAIエージェントを数行で作れます。
フォーク日 2026-09-28最終同期 2026-09-29ライセンス: Apache-2.0AIエージェントとLLMツールGitHub
AIエージェントが実際の法務業務をどこまでこなせるかを測るオープンソースのベンチマークです。
フォーク日 2026-09-28最終同期 2026-09-29ライセンス: MITAIエージェントとLLMツールGitHub