post-training

高速化されたビデオ生成のための統一された推論およびポストトレーニングフレームワーク。

推論特化型 LLM に関する優れたチュートリアル、サーベイ、ガイドのまとめ

メンタルヘルス向け大規模言語モデル (LLM x Mental Health)。事前学習・事後学習、データセット、評価、デプロイ、RAGに対応し、InternLM、Qwen、Baichuan、DeepSeek、Mixtral、Llama、GLMシリーズのモデルをサポート

AI エージェントがワークフローのループを通じてタスクを完了し、反復実行によって自己改善を行い、メンターエージェントや人間のフィードバックによって評価され、完了した作業を再利用可能な作業経験やデータに変換して将来のエージェントの改善に活かすための活きたエコシステム。

大規模言語モデルのオンポリシー蒸留（OPD）に関する論文、テクニカルレポート、フレームワーク、ツールの厳選コレクション。

「Neural Thickets: Diverse Task Experts Are Dense Around Pretrained Weights」(ICML 2026 Spotlight)の公式コードベース

2B Modelにおけるマルチモーダルな「アハ体験」を探求

[ACL 2026 Oral] 「LightReasoner: 小型言語モデルは大規模言語モデルに推論能力を教えることができるか？」

大規模オムニモーダル事後学習のための非同期強化学習エンジン

[NeurIPS 2025 Spotlight] LLM 事後学習スイート。ReasonFlux、ReasonFlux-PRM、ReasonFlux-Coder を搭載。

Claude Code や Codex CLI などの CLI エージェントが、1台の H100 GPU で 10 時間以内にベース LLM の事後学習をどの程度うまく行えるかを測定します

[ICLR 2026] 4D人間・シーン再構築のための統合モデル