rllm は無料で使えますか？ライセンスは？

rllm は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。

rllm は今もメンテナンスされていますか？

活発にメンテナンス中。rllm の最終コミットは 2026年10月16日です。

rllm は何に使えますか？

強化学習を使い、SWE-benchやTerminal-Benchなどのベンチマークでコーディングエージェントを学習する。 GSM8KやAIMEなどのデータセットを使い、GRPOで数学・推論モデルをポストトレーニングする。既存のLangGraphまたはOpenAI Agents SDKアプリケーションのコードを書き換えずに、RLで性能を向上させる。同じエージェントを評価パイプラインとマルチGPU学習パイプラインの両方で実行する。

rllm のインストール方法は？

uvでrLLMをインストール（tinkerバックエンド）: uv pip install "rllm @ git+https://github.com/rllm-org/rllm.git" モデルプロバイダーを設定: rllm model setup ベンチマークで評価: rllm eval gsm8k RLでトレーニング: rllm train gsm8k

rllm はどこで入手できますか？

ソースコードとインストール手順は GitHub にあります：https://github.com/rllm-org/rllm

rllm-org/rllm

Q: rllm は今もメンテナンスされていますか？

活発にメンテナンス中。rllm の最終コミットは 2026年10月16日 です。

あらゆるエージェントハーネス、サンドボックス、学習バックエンドに対応する、強化学習でLLMエージェントを学習するオープンソースフレームワーク。

GitHub で見る公式サイト

スター: 5,888
フォーク: 633
未解決の Issue: 172
最終コミット: 4 日前

これは何？

rLLMは、強化学習を使って言語エージェントをポストトレーニングするためのフレームワークです。Claude CodeやCodexのようなCLIコーディングエージェントでも、LangGraphやOpenAI SDKで構築した独自エージェントでも、既存のエージェントを実行し、収集したトレースと報酬シグナルを使ってモデルを更新できます。評価と学習の両方で同じエージェントコードを使えるため、両者の間でセットアップを書き換える必要はありません。

エージェントのロールアウトは、Docker、Daytona、Modal、またはローカル環境で実行できます。学習には、分散マルチGPU実行向けのverlバックエンド、単一マシンでの学習向けのtinkerバックエンド、またはFireworksプラットフォームを利用でき、フラグひとつでバックエンドを切り替えられます。また、Terminal-Bench 2.0、SWE-bench、AIME、GPQAなど、60を超えるベンチマークとの統合も含まれており、rllm evalコマンドで実行できます。

このフレームワークは、GRPO、REINFORCE、RLOO、SFT、オンポリシー蒸留などの学習手法に対応しています。モデルゲートウェイはロールアウト中のtoken IDとlogprobsを取得し、RLの更新に使うエピソード、軌跡、ステップにまとめます。

主な機能

01Claude Code、Codex、mini-swe-agentなどのCLIハーネスや、@rllm.rolloutを使って記述した独自エージェントで動作します。
02Docker、Daytona、Modal、またはローカルのサンドボックスでエージェントのロールアウトを実行します。
03フラグひとつでverl、tinker、Fireworksの学習バックエンドを切り替えられます。
04rllm evalを通じて、60を超えるベンチマークの評価機能を提供します。
05GRPO、REINFORCE、RLOO、SFT、オンポリシー蒸留を実装しています。

ユースケース

強化学習を使い、SWE-benchやTerminal-Benchなどのベンチマークでコーディングエージェントを学習する。
GSM8KやAIMEなどのデータセットを使い、GRPOで数学・推論モデルをポストトレーニングする。
既存のLangGraphまたはOpenAI Agents SDKアプリケーションのコードを書き換えずに、RLで性能を向上させる。
同じエージェントを評価パイプラインとマルチGPU学習パイプラインの両方で実行する。

クイックスタート

1
uvでrLLMをインストール（tinkerバックエンド）
uv pip install "rllm @ git+https://github.com/rllm-org/rllm.git"
2
モデルプロバイダーを設定
rllm model setup
3
ベンチマークで評価
rllm eval gsm8k
4
RLでトレーニング
rllm train gsm8k

使う前に知っておきたいこと

Python 3.11以降が必要です。
トレーニングには、モデルプロバイダーまたはバックエンド（tinker、GPUを使うverl、Fireworksなど）が必要です。

トピック

#reinforcement-learning #llm-training #agents #grpo #llm-reasoning #distributed-training #benchmarks #agent-framework #agentic-workflow #coding-agent

よくある質問

rllm とは？: あらゆるエージェントハーネス、サンドボックス、学習バックエンドに対応する、強化学習でLLMエージェントを学習するオープンソースフレームワーク。 rLLMは、強化学習を使って言語エージェントをポストトレーニングするためのフレームワークです。Claude CodeやCodexのようなCLIコーディングエージェントでも、LangGraphやOpenAI SDKで構築した独自エージェントでも、既存のエージェントを実行し、収集したトレースと報酬シグナルを使ってモデルを更新できます。評価と学習の両方で同じエージェントコードを使えるため、両者の間でセットアップを書き換える必要はありません。
rllm は無料で使えますか？ライセンスは？: rllm は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
rllm は今もメンテナンスされていますか？: 活発にメンテナンス中。rllm の最終コミットは 2026年10月16日です。
rllm は何に使えますか？: 強化学習を使い、SWE-benchやTerminal-Benchなどのベンチマークでコーディングエージェントを学習する。 GSM8KやAIMEなどのデータセットを使い、GRPOで数学・推論モデルをポストトレーニングする。既存のLangGraphまたはOpenAI Agents SDKアプリケーションのコードを書き換えずに、RLで性能を向上させる。同じエージェントを評価パイプラインとマルチGPU学習パイプラインの両方で実行する。
rllm のインストール方法は？: uvでrLLMをインストール（tinkerバックエンド）: uv pip install "rllm @ git+https://github.com/rllm-org/rllm.git" モデルプロバイダーを設定: rllm model setup ベンチマークで評価: rllm eval gsm8k RLでトレーニング: rllm train gsm8k
rllm はどこで入手できますか？: ソースコードとインストール手順は GitHub にあります：https://github.com/rllm-org/rllm

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。