「llm-reasoning」に関するオープンソースプロジェクト

LLMの推論モデルやエージェントモデルを学習する大規模な非同期強化学習システム。base_urlの切り替えにより、ブラックボックスエージェントもRLで学習できます。

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。