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。
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 2026-10-11
同じカテゴリ: AIエージェントとLLMツール
Hello-Agentsは、AIエージェントの原理と実践を学ぶチュートリアルです。基礎からエージェントシステムやアプリケーションの構築までを案内します。
フォーク日 2026-10-10最終同期 2026-10-11独自ライセンス(リポジトリを参照)AIエージェントとLLMツールGitHub
OpenSREは、自社のインフラツールとワークフローを使って本番障害の調査を支援するAIエージェントを構築するオープンソースフレームワークです。
フォーク日 2026-10-10最終同期 2026-10-11ライセンス: Apache-2.0AIエージェントとLLMツールGitHub
Context Modeは、AIコーディングエージェントのコンテキスト消費を抑え、会話の圧縮後も作業を続けやすくします。MCPとフックを通じて、ツール出力、セッション記憶、対応プラットフォームへのルーティングを扱います。
フォーク日 2026-10-10最終同期 2026-10-11独自ライセンス(リポジトリを参照)AIエージェントとLLMツールGitHub
ARTEXは、資産の探索とテスト状況の確認に使うセルフホスト型のAI侵入テストシステムです。タスク、発見事項、資産データ、承認を一つの画面で扱えます。
フォーク日 2026-10-10最終同期 2026-10-11ライセンス: AGPL-3.0AIエージェントとLLMツールGitHub