#reinforcement-learning

마이크로소프트 리서치, AI 에이전트를 강화학습 훈련에 연결하는 Agent Lightning 공개

마이크로소프트 리서치가 기존 AI 에이전트를 처음부터 다시 구축하지 않고도 강화학습 훈련에 연결할 수 있는 도구인 Agent Lightning을 공개했다.

Adithya S K, Hugging Face Hub에 RL Environment Explorer 공개

개발자는 이 도구를 통해 OpenEnv, Harbor, MiMo, Verifiers, NeMo Gym 전반의 강화학습 환경을 탐색, 시각화 및 실행할 수 있으며, 이는 Hugging Face Hub의 1,200만 개 이상의 작업 항목을 포괄한다.

CoreWeave, 에이전트 추적·평가·서버리스 강화학습 연결하는 Forge 출시

CoreWeave가 에이전트 추적, 평가, 서버리스 강화학습을 연계하는 환경인 CoreWeave Forge를 출시했다. 이 플랫폼은 무료 시작 티어와 신규 계정 대상 30일 Pro 체험판을 제공한다.

샤오미, MiMo-V2.6-Pro의 테스트 편법 통과 방지 위해 강화학습에 품질 체크리스트 점수 도입

샤오미는 테스트 통과만을 목적으로 훈련된 모델이 불필요한 코드를 삽입하고 오류를 묵인하는 문제를 해결하기 위해, 테스트 결과에 품질 체크리스트 점수를 곱하는 방식을 적용했다. 이를 거친 MiMo-V2.6-Pro RL은 Artificial Analysis Intelligence Index에서 46점을 기록하며 오픈 가중치 모델 중 1위에 올랐다.

CoreWeave, 강화학습 환경에서 실시간 모델 가중치 업데이트 지원하는 RL Rollouts 발표

CoreWeave가 강화학습 진행 중 처리 중인 요청을 중단하지 않고 가동 중인 추론 배포에 새 모델 가중치를 직접 로드하는 인프라 기능인 RL Rollouts를 발표했다. NVIDIA와 You.com은 웹 검색용 Nemotron 3.5 Lightning의 사후 학습에 이 기능을 활용했다.

Scale AI, 강화학습 환경 구동용 런타임 AgentEnv 오픈소스 공개

Scale AI가 AI 에이전트 훈련용 강화학습 환경을 지원하기 위해 사내에서 사용해 온 기반 런타임 AgentEnv를 오픈소스로 공개했습니다.

Meta AI, 장기 연구 에이전트를 위한 MIRA 아키텍처 공개

Meta AI 연구진이 장기 연구 과제에서의 의사결정 능력을 향상하기 위해 메타 추론과 실행을 분리한 2개 컴포넌트 기반 에이전트 아키텍처 MIRA를 공개했다.

허깅페이스 허브, 강화학습 환경 호스팅 지원

강화학습 환경을 허깅페이스 허브에서 직접 호스팅할 수 있게 되었으며, 기존 데이터셋 인프라를 활용해 프레임워크 전반의 저장, 버전 관리, 접근 제어, 미리보기 기능을 지원한다.

CMU 논문, 솔버를 바꾸지 않고 에이전트 하네스를 편집하는 4B 제안 모델 훈련

이 하네스 학습 논문은 강화 학습으로 제안 모델이 과제, 현재 하네스, 실행 보고서를 바탕으로 하네스 코드를 수정하도록 한다. 훈련된 4B 제안 모델은 Reasoning Gym 단일 단계 수정에서 35B 교사 모델을 능가하며, HotpotQA 훈련은 MuSiQue와 2WikiMultihopQA로 전이된다.

Prime Intellect, Prime Inference 출시

Prime Intellect가 Prime Inference를 출시했다. 회사 측은 강화학습 및 고객 전용 배포 환경을 대상으로 수조 개의 토큰을 처리했다고 밝혔다.

Amazon AGI 논문, 에이전트 강화학습 환경을 위한 AutoGym 제안

Amazon AGI의 논문은 AutoGym을 제안한다. AutoGym은 작은 도메인 시드 또는 과거 모델 궤적으로부터 에이전트 과제, 실행 가능한 환경, 검증기를 함께 작성한다.

Critical-State RL은 결과를 바꾸는 도구 호출만 학습한다

DAIR.AI는 이후 보상을 바꾸는 행동에 해당하는 다중 턴 도구 호출을 가려내고 그 호출만 업데이트하는 Salesforce AI Research의 방법을 설명한다. BFCL v4 missing-function 과제에서 선택한 턴을 학습하면 약 14점이 오른다.

Surya가 RL 학습 실행을 스트리밍

Surya는 자신의 RL 학습 실행을 brusharena.art/live에서 스트리밍하고 있으며, LuoFuli에게서 영감을 받았다고 밝혔다.

Adithya S K, 검증 가능한 RL 과제 5,000개 이상을 담은 SmolDataEnvs 공개

SmolDataEnvs는 코드와 데이터 과학 분야에서 소형 모델을 점진적으로 개선하기 위한, 검증 가능한 강화학습 환경 과제 5,000개 이상을 모은 오픈소스 자료다. 이번 공개에는 환경, 평가, 학습 자료가 포함된다.

가장 깨끗한 공개 터미널 에이전트 RL 컬렉션 중 Salesforce AI Research 감사를 통과한 비율은 35.8%뿐

Salesforce AI Research는 양방향 보상 오류를 확인한 뒤 해당 컬렉션의 깨끗한 비율을 35.8%, 다른 두 컬렉션은 10.1%와 3.3%로 제시했다. 저자들은 결함 환경을 걸러내는 RIVER가 TMax 환경의 30% 미만을 쓰면서도 Terminal-Bench-Lite에서 RL 이득을 106%, Terminal-Bench v2.1에서 30% 늘린다고 말한다.

NVIDIA의 Skill2Env, 공개 Agent Skills를 7,971개 터미널 작업으로 컴파일

Codex 플래너와 크리에이터가 각 스킬을, 그 스킬 자체의 품질 기준에서 가져온 루브릭을 사용해 테스트된 터미널 워크플로로 바꾼다. 결과만 반영한 RL은 Terminal-Bench 2.1에서 Qwen3.8-27B를 49.4%에서 54.1%로 올렸고, 루브릭을 추가하면 50.1%에 그쳤지만 궤적 비교에서는 더 많이 앞섰다.