1/ RL Swarm の新しいバックエンドである GenRL をご紹介します。 分散型フォールトトレラントトレーニング用に構築されたモジュール式強化学習ライブラリ - RL Swarm をゼロから強化するようになりました。🧵

2/ 各ワーカーは独自の環境インスタンスを実行し、共有ロールアウトバッファーに非同期的に貢献し、モデルの重みを個別に更新するため、中央コントローラーは必要ありません。

3/ GenRLを使用すると、RL Swarmは、コードで直感的に記述されたあらゆる環境で動作できます。 このリリースには、すぐに使用できる Reasoning Gym が組み込まれており、追加の構成を必要とせずに、コミュニティが作成した >100 の環境にアクセスできるようになります。

4/ 新機能: – モジュラー GenRL バックエンド – 拡張された構成面 – 簡単にデプロイできる事前構築済みの Docker イメージ – モデルの推論能力を強化するための推論ジム環境 –新しいマルチタスクスウォーム

5/ 現在、Gensyn テストネットで稼働しています。 今すぐGenRLでRL-Swarmを実行できます。 完全なコード+セットアップ: