フロンティアAIラボ向けのRL環境

強化学習（RL）の「環境」を作っています。RL環境とは、モデルに目標、サンドボックス、ツール、採点器を与えて試行させる訓練の場のことです。この1年、複数のフロンティアラボ向けにRL環境を作ってきました。重点はML工学やAI研究の作業（カーネルを書く、学習の不具合を直す、データを整える、実験を設計する）です。強みは、モデルが答えを盗み見たり採点器を壊したりする…