W&B トレーニング

強化学習 を使用して モデル を Post-train する

現在パブリックプレビュー中の W&B Training は、大規模言語モデル（LLM）のポストトレーニング向けにサーバーレスの 強化学習（RL）を提供します。これにより、マルチターンのエージェントタスクを実行する際の信頼性を向上させつつ、スピードの向上とコストの削減を実現します。RL は、モデルが自身の出力に対するフィードバックを通じて 振る舞い を改善することを学ぶ トレーニング 手法です。

W&B Training は以下の インテグレーション を含んでいます：

• ART: 柔軟な RL ファインチューニング フレームワーク。
• RULER: ユニバーサルな検証ツール。
• CoreWeave Cloud 上の完全に管理されたバックエンド。

利用を開始するには、まず 前提条件 を満たしてから、OpenPipe のサーバーレス RL クイックスタート を参照して Models のポストトレーニング方法を確認してください。