PrimeIntellect-ai/verifiers
Our library for RL environments + evals
何を解決するか
大規模言語モデル（LLM）の訓練および評価に使用される環境を作成するための標準化されたライブラリを提供し、特に強化学習ワークフロー向けに設計されています。
仕組み
このライブラリは、Prime Intellectエコシステム（そのトレーニングフレームワークである prime-rl およびホストされたトレーニングプラットフォーム）と統合できる環境を構築するためのフレームワークとして機能します。CLIツールとの連携により、インタラクションや管理が可能になっています。
対象ユーザー
特定の環境でモデルのパフォーマンスを定義・テストするための構造化された方法を必要とする、LLM強化学習に注力する開発者および研究者。
特徴
- Environments Hub、prime-rl、Hosted Trainingプラットフォームと統合済み。
- 訓練および評価の両方の環境作成をサポート。
- 専用のスキルとドキュメントによるコーディングエージェントのサポートを特別に備えています。
関連
- プロジェクト
facebookresearch/PearlMetaが提供する生産環境対応の強化学習ライブラリ。複雑な現実世界の環境で、フィードバックが疎らで、アクション空間が動的である状況でも動作可能なモジュール型AIエージェントの構築を可能にする。
- プロジェクト
NVIDIA-NeMo/GymNeMo Gymは、AIエージェントのスケーラブルでステートフルな評価とトレーニングのためのNVIDIAのPythonライブラリです。モジュール式インターフェース、すぐに使える環境ハブ（コード実行、ツール呼び出し、推論、安全性など）、モデル・エージェント・検証サーバーを調整するCLI、およびRLやファインチューニングフレームワーク用のフックを提供します。再現性の高い大規模ベンチマークとトレーニングへのシームレスな移行のために設計されており、より広範なNeMoエコシステムと統合され、トレーシング、サンドボックス実行、マルチGPU/Slurmスケーリングをサポートしています。
- プロジェクト
alibaba/ROLLROLL は、大規模な強化学習による大規模言語モデルのトレーニングのためのオープンソースライブラリです。Ray ベースの分散実行を提供し、多くの RL アルゴリズム（PPO、GRPO、Reinforce++ など）をサポートし、Megatron‑Core、vLLM、SGLang、LoRA と連携し、RL ベースのファインチューニング（RLVR）とマルチターンエージェント RL のパイプラインを提供します。このプロジェクトには、広範なドキュメント、ハードウェアに依存しないサポート（NVIDIA、AMD、Ascend）、組み込みの可観測性が含まれています。
- プロジェクト
Farama-Foundation/GymnasiumGymnasiumは、強化学習環境（クラシックコントロール、Box2D、Atari、MuJoCoなど）のための標準化されたバージョン管理されたAPIを提供するコミュニティメンテナンスのPythonライブラリです。OpenAIのGymのフォークであり、RLアルゴリズムを開発およびベンチマークするための主要プラットフォームです。
- プロジェクト
rllm-org/rllm強化学習を用いて言語エージェントをトレーニングするためのオープンソースフレームワークであり、同一のエージェントコードを異なるバックエンド、サンドボックス、ベンチマークで使用できます。