rlve
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。
Xで共有ライセンス: MIT
概要
RLVEは、適応可能で検証可能な環境を用いて言語モデルの強化学習を拡張する研究プロジェクトです。RLVE-Gymでは、環境ごとの難易度コントローラーが管理するパラメーターと乱数シードから問題を生成します。生成した問題からプロンプトを作り、モデル出力を採点し、検証の詳細を確認できます。回答抽出用マーカーは設定可能です。READMEにはDockerとslimeフレームワークを使ったセットアップ方法と、論文、コード、データ、モデルへのリンクがあります。
主な特長
- 乱数シードとコントローラーの難易度パラメーターを使って問題を生成します。
- 生成した問題からプロンプトを作り、モデル出力を採点します。
- 検証の詳細を確認し、回答抽出用マーカーを設定できます。
こんな人・用途に
検証可能な問題を使って言語モデルの強化学習ワークフローを構築または評価する研究者や開発者に適しています。
- アップストリーム
- Zhiyuan-Zeng/RLVE
- GitHubのフォーク
- Guo-astro/rlve
- アップストリームのスター数
- 249
- カテゴリ
- AIエージェントとLLMツール
- 言語
- Python
- ライセンス
- MIT
- フォーク日
- 2026-10-17
- 同期状態
- 同期済み最終同期 2026-10-17
同じカテゴリ: AIエージェントとLLMツール
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 2026-10-17ライセンス: Apache-2.0AIエージェントとLLMツールGitHub
Pi Agentは、macOS、Windows、Linuxで使えるPiのローカルAIコーディングエージェントです。ターミナル環境を準備せずに、会話やプロジェクトファイル、保存したプロンプトを扱えます。
フォーク日 2026-10-15最終同期 2026-10-17ライセンス: MITAIエージェントとLLMツールGitHub
自分のCloudflareアカウントに導入する、チャット、記憶、タスク、メモ、予約リマインダーに対応した個人向けAIアシスタントです。開発者が運営するサーバーやアカウントに依存せずに使えます。
フォーク日 2026-10-15最終同期 2026-10-17ライセンス: MITAIエージェントとLLMツールGitHub
MiniMindは、小規模な言語モデルをゼロから学びながら訓練するオープンソースプロジェクトです。実際の訓練や微調整を通じてLLMの仕組みを学べます。
フォーク日 2026-10-14最終同期 2026-10-17ライセンス: Apache-2.0AIエージェントとLLMツールGitHub