これは小規模モデルの強化学習にも当てはまります。最も広く使用されているライブラリは、標準的なベースラインを500～5,000ステップ/秒でトレーニングしていました。PufferLibでは、アップデートごとに500,000～500万ステップ/秒以上の速度でトレーニングを行っています。
スレッドを読み込み中
X から元のツイートを取得し、読みやすいビューを準備しています。
通常は数秒で完了しますので、お待ちください。
Joseph Suarez 🐡（@jsuarez5341）のスレッド
1 件のツイート · 2025/11/03 20:30
作者情報
オープンソースの健全な強化学習ツールを開発しています。MIT博士号取得、Neural MMOの開発者、PufferAIの創設者。ビジネス関連のDM（法学修士課程以外のシミュレーションエンジニアリング、強化学習の研究開発、インフラとサポート）も受け付けています。
1 件のツイート·Mon Nov 03 20:30:06
JA に翻訳済み