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。
再現できる小さなissueを選び、AIコーディングエージェントで直してみましょう。
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
- 150
- 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 2026-10-20
同じカテゴリ: AIエージェントとLLMツール
Magnitudeはハードウェアに合わせてカーネルを調整し、オープンモデルをローカルで実行します。対応エージェントや互換クライアントから利用できます。
フォーク日 2026-10-19最終同期 2026-10-20ライセンス: Apache-2.0AIエージェントとLLMツールGitHub
研究アイデアの評価から文献調査、論文執筆、投稿前確認までを支援し、一般的なAIでは不足しがちな研究上の判断を補います。
フォーク日 2026-10-18最終同期 2026-10-20独自ライセンス(リポジトリを参照)AIエージェントとLLMツールGitHub
言語モデルの強化学習向けに、難易度を調整できる検証可能な環境で問題を生成し、出力を評価する研究用プロジェクトです。
フォーク日 2026-10-17最終同期 2026-10-20ライセンス: MITAIエージェントとLLMツールGitHub
AIエージェント向けにAndroid開発の手順を提供し、専門的な作業を支援します。Android CLIで個別または全スキルを導入できます。
フォーク日 2026-10-16最終同期 2026-10-20ライセンス: Apache-2.0AIエージェントとLLMツールGitHub