Adithya S K、検証可能なRLタスク5,000件超を収めたSmolDataEnvsを公開
Adithya S KがSmolDataEnvsを公開した。コードとデータサイエンスで小規模モデルをヒルクライミングするための、検証可能な強化学習環境タスク5,000件超のコレクションである。環境、評価、学習用資料はオープンソースだ。
関連AIニュース
Adithya S K、Hugging Face Hub 上で RL Environment Explorer を公開
本ツールにより、開発者は OpenEnv、Harbor、MiMo、Verifiers、NeMo Gym にまたがる強化学習環境の探索、可視化、実行が可能になり、Hugging Face Hub 上の 1,200 万件を超えるタスクエントリを網羅する。
Scale AI、強化学習環境向け基盤ランタイム「AgentEnv」をオープンソース公開
Scale AI は、自社で AI エージェント訓練用の強化学習環境を動かすために内部で使用している基盤ランタイム「AgentEnv」をオープンソースとして公開しました。
Microsoft Research、既存のAIエージェントを強化学習トレーニングに接続する「Agent Lightning」を発表
Microsoft Researchは、既存のAIエージェントを再構築することなく強化学習トレーニングに接続できるツール「Agent Lightning」を発表した。
NVIDIAが論文発表、エージェントハーネスとモデルを共進化させるフレームワーク「VERA」
NVIDIAの研究論文は、ベンチマークの実行軌跡をルーブリック評価付きの9,000以上の再起動可能なサンドボックスへと変換し、モデルの重みと並行してエージェントハーネスを共進化させるシステム「VERA」を発表した。同チームは環境コーパスをオープンソース化し、27BエージェントがAutoCoWorkBenchで71.6スコアを記録してClaude Opus 4.8を上回ったと報告している。
CoreWeaveがForgeを発表、エージェントの追跡・評価・サーバーレス強化学習を連携
CoreWeaveは、エージェントの追跡、評価、サーバーレス強化学習を連携させる環境「CoreWeave Forge」を発表した。本プラットフォームには無料の開始枠があり、新規アカウント向けに30日間のProトライアルも提供される。