Adithya S K、検証可能なRLタスク5,000件超を収めたSmolDataEnvsを公開
Adithya S KがSmolDataEnvsを公開した。コードとデータサイエンスで小規模モデルをヒルクライミングするための、検証可能な強化学習環境タスク5,000件超のコレクションである。環境、評価、学習用資料はオープンソースだ。
関連AIニュース
最もきれいな公開ターミナルエージェント向けRLコレクションでも、Salesforce AI Researchの監査を通過したのは35.8%
Salesforce AI Researchは、そのコレクションのクリーン率を35.8%、ほか2件を10.1%と3.3%とした。報酬の誤りは両方向で見つかった。著者らによると、欠陥のある環境を除外するRIVERは、TMaxの環境の30%未満しか使わずに、Terminal-Bench-LiteでのRLの向上幅を106%、Terminal-Bench v2.1で30%増やした。
Splunk、コーディングエージェントのコストをリアルタイムで追跡するToken Meterを公開
Token MeterはSplunkが提供する無料のオープンソースのメニューバーツールで、実行中のコーディングエージェントのコストを表示する。
NVIDIAのSkill2Env、公開Agent Skillsを7,971件のターミナルタスクにコンパイル
Codexのプランナーとクリエイターが各スキルを検証済みのターミナルワークフローに変え、そのスキル自身の品質基準から取ったルーブリックを使う。結果のみの強化学習でQwen3.8-27BはTerminal-Bench 2.1の成績を49.4%から54.1%に上げた。ルーブリックを加えると50.1%にとどまったが、軌跡の比較ではより多く選ばれた。
inclusionAIが2つの6B Ming-Image-0.1-Designモデルをオープンソース化
inclusionAIは、ビジュアルデザインのワークフロー向けに相互補完する2つの6Bモデル、DesignとLayerからなるMing-Image-0.1-DesignファミリーをMITライセンスでオープンソース化した。ModelScopeによると、DesignはArtificial AnalysisのUI/UX Designリーダーボードでオープンウェイトモデルの首位に立ち、Layerは評価されたCrelloの12設定すべてで首位となり、評価対象の20Bオープンウェイトベースラインより4.3倍高速に動作するという。
Arena.ai、Qwen-Image-2.1をImage EditとText-to-Imageでオープンソースモデル首位に
Arena.aiは、両アリーナでQwen-Image-2.1をオープンソースモデルの首位に置いている。Image Editでは1,367点で総合16位となり、15位のGPT-Image-1.5-high-fidelityに3点及ばない。