PrimeIntellect-ai/verifiers
Our library for RL environments + evals
해결하는 문제
대규모 언어 모델(LLM)의 훈련 및 평가에 사용되는 환경을 생성하기 위한 표준화된 라이브러리를 제공하며, 특히 강화 학습 워크플로우에 특화되어 있습니다.
작동 방식
이 라이브러리는 Prime Intellect 생태계(예: 훈련 프레임워크 prime-rl 및 호스팅된 훈련 플랫폼)와 통합할 수 있는 환경을 구축하기 위한 프레임워크로 작동합니다. CLI 도구와 함께 사용하여 상호작용 및 관리가 가능합니다.
대상 사용자
특정 환경에서 모델 성능을 정의하고 테스트할 수 있는 구조화된 방법이 필요한 LLM 강화 학습에 집중하는 개발자 및 연구자입니다.
주요 기능
- Environments Hub, prime-rl, Hosted Training 플랫폼과 통합됨.
- 훈련 및 평가용 환경 생성을 지원.
- 전용 기술과 문서를 통해 코딩 에이전트에 특별한 지원 제공.
관련
- 프로젝트
facebookresearch/PearlMeta에서 제공하는 프로덕션 준비 완료 강화 학습 라이브러리로, 피드백이 희소하고 액션 공간이 동적인 복잡한 현실 세계 환경에서 작동할 수 있는 모듈식 AI 에이전트를 구축할 수 있도록 지원합니다.
- 프로젝트
NVIDIA-NeMo/GymNeMo Gym은 AI 에이전트의 확장 가능하고 상태 유지(stateful) 평가 및 학습을 위한 NVIDIA의 Python 라이브러리입니다. 모듈식 인터페이스, 즉시 사용 가능한 환경 허브(코드 실행, 도구 호출, 추론, 안전성 등), 모델·에이전트·검증 서버를 조정하는 CLI, 그리고 RL 또는 파인튜닝 프레임워크를 위한 후크를 제공합니다. 재현 가능한 대규모 벤치마킹과 학습으로의 원활한 전환을 위해 설계되었으며, 더 넓은 NeMo 생태계와 통합되어 트레이싱, 샌드박스 실행, 멀티 GPU/Slurm 스케일링을 지원합니다.
- 프로젝트
alibaba/ROLLROLL은 대규모 강화 학습 훈련을 위한 오픈소스 라이브러리로, 대규모 언어 모델을 훈련합니다. Ray 기반 분산 실행을 제공하며, 다양한 RL 알고리즘(PPO, GRPO, Reinforce++ 등)을 지원하고, Megatron‑Core, vLLM, SGLang, LoRA와 함께 작동하며, RL 기반 미세 조정(RLVR) 및 다중 턴 에이전트 RL을 위한 파이프라인을 제공합니다. 이 프로젝트에는 광범위한 문서, 하드웨어에 구애받지 않는 지원(NVIDIA, AMD, Ascend) 및 내장된 관측 가능성이 포함되어 있습니다.
- 프로젝트
Farama-Foundation/GymnasiumGymnasium은 강화 학습 환경(클래식 컨트롤, Box2D, Atari, MuJoCo 등)을 위한 표준화되고 버전 관리된 API를 제공하는 커뮤니티 유지 관리 Python 라이브러리입니다. OpenAI Gym의 포크이며 RL 알고리즘을 개발하고 벤치마킹하기 위한 주요 플랫폼입니다.
- 프로젝트
rllm-org/rllm강화 학습을 사용하여 언어 에이전트를 훈련하기 위한 오픈 소스 프레임워크로, 동일한 에이전트 코드를 다양한 백엔드, 샌드박스 및 벤치마크에서 사용할 수 있습니다.