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 2026-11-09
同じカテゴリ: AIエージェントとLLMツール
/last30daysは、SNSや動画、ニュースなどの最近の情報を調べて要約するAIエージェント用スキルです。話題の調査や準備に役立ちます。
フォーク日 2026-10-22最終同期 2026-11-09ライセンス: MITAIエージェントとLLMツールGitHub
GPUや機械学習フレームワークを使わず、CPUでKimi K3を動かすポータブルなC99推論エンジンです。巨大なチェックポイントをディスクから読み込み、限られたRAMでのテキスト生成やチャットに使えます。
フォーク日 2026-10-21最終同期 2026-11-09ライセンス: Apache-2.0AIエージェントとLLMツールGitHub
LayerFSは共有履歴上に書き込み可能なワークスペースを提供し、AIエージェントの並行作業を支えます。変更の保存、分岐、巻き戻し、マージに使えます。
フォーク日 2026-10-21最終同期 2026-11-09ライセンス: MITAIエージェントとLLMツールGitHub
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 2026-11-09ライセンス: Apache-2.0AIエージェントとLLMツールGitHub