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。
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: 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
- 258
- カテゴリ
- AIエージェントとLLMツール
- 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 2026-11-08
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 2026-11-08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 2026-11-08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 2026-11-08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 2026-11-08ライセンス: Apache-2.0AIエージェントとLLMツールGitHub