# reinforcement-learning

Unslothは、Qwen、DeepSeek、Gemma、LlamaなどのオープンソースAIモデルを自分のパソコンで動かしたり、追加学習（ファインチューニング）したりできる統合ツールです。ブラウザから操作できるWeb画面（Unsloth S

Agent Lightningは、AIエージェント（自律的にタスクをこなすAIプログラム）を強化学習（試行錯誤から学ぶ手法）で訓練するためのMicrosoft製ツールです。最大の特徴は、既存のAIエージェントのコードをほぼ変更せずに最適化で

AReaLは、AIモデルの「考える力（推論能力）」を強化学習（AIが試行錯誤しながら賢くなる手法）で鍛えるためのオープンソースのトレーニングシステムです。清華大学とアントグループが共同開発しており、完全非同期（複数の処理を待たずに同時並行で