論文の概要: From RL Papers to Framework Code: Inclusion and Review in Seven Open-Source Training Frameworks

• arxiv url: http://arxiv.org/abs/2610.28027v1
• Date: Tue, 20 Oct 2026 11:16:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.778862
• Title: From RL Papers to Framework Code: Inclusion and Review in Seven Open-Source Training Frameworks
• Title（参考訳）: RL論文からフレームワークコードへ:7つのオープンソーストレーニングフレームワークの包括性とレビュー
• Abstract要約: コミット履歴を通じてRLポストトレーニングのための7つのオープンソースフレームワークをトレースする。 一般的なRLトレーニング手法を提案する1,598の論文のうち、37は少なくとも1つのフレームワークに到達した。 一般的なメソッドの10つ中9つ以上のフレームワークには、それらを引用したり、名前付けたりするようなスレッドが存在しない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Practitioners use reinforcement learning methods for language models through training frameworks, so a method that a framework includes is one configuration change away for its users. We measure how often this happens. We trace seven open-source frameworks for RL post-training through their commit histories and link them to 6,939 screened arXiv papers from January 2025 to June 2026. Of 1,598 papers that propose a general RL training method, 37 reached at least one framework. Across five quarterly cohorts of papers, the number included within 180 days stayed between 5 and 7 while the cohorts grew from 72 to 386 papers. Compared with papers from the same quarters, included papers more often trained policies of 30B parameters or more, at 41 against 10 percent, and more often changed a coefficient, clip, mask or weight in the existing loss, at 29 against 9 percent. Both gaps hold without papers from the companies that maintain the frameworks, while code release was equally common in both groups. The frameworks' issues and pull requests show that few methods are turned away in public. More than nine in ten of the general methods no framework included have no thread there that cites or names them, and many proposals that do appear stay open without a reply. Two further records, the frameworks' issues and the technical reports of 13 large open-weight models, show that users rarely report training failures in public and that the reports state 8 of the 13 widely included methods. We release the data as a tracker that links training failures to framework implementations and lists each framework's contribution rules and earlier proposals.
• Abstract（参考訳）: 実践者は、トレーニングフレームワークを通じて、言語モデルのための強化学習手法を使用する。 これがどれだけ頻繁に起こるかを測定する。 2025年1月から2026年6月までに、RLのコミット履歴を通じて7つのオープンソースフレームワークをトレースし、6,939 の arXiv 文書にリンクします。 一般的なRLトレーニング手法を提案する1,598の論文のうち、37は少なくとも1つのフレームワークに到達した。 四半期毎の5紙のコホートのうち180日以内の数は5日から7日の間であり、コホートは72枚から386枚に増加した。 同四半期の論文と比較すると、30Bパラメータ以上の政策を41対10%で、既存の損失の係数、クリップ、マスク、重量を29対9%で変更することが多い。 両方のギャップは、両方のグループで同じようにコードリリースが一般的であったのに対して、フレームワークをメンテナンスする企業による書類なしでは保たない。 フレームワークのイシューとプルリクエストは、公開で無効になるメソッドがほとんどないことを示している。 一般的な10のメソッドのうち9つ以上のフレームワークには、それらを引用したり名前付けたりするようなスレッドが存在しない。 さらに2つの記録、フレームワークの問題と13の大規模オープンウェイトモデルの技術的報告は、ユーザーが公共の場でトレーニングの失敗を報告することは滅多になく、13の広く含まれたメソッドの8つが報告されていることを示している。 トレーニングの失敗をフレームワークの実装にリンクするトラッカーとしてデータをリリースし、各フレームワークのコントリビューションルールと以前の提案をリストアップします。

関連論文リスト

• PaperGym: Rubric-Centered Evolution for Research-Plan Generation [69.5921878728483]
  各研究論文を完全なトレーニング環境に変換する統合フレームワークであるPaperGymを紹介する。 PaperGymは論文の構造を利用しており、質問は研究目標と背景から合成され、基準は手法と実験から導かれる。 レシピが固定され、PaperGym-20kで訓練されたモデルが3方向比較の58.1%を獲得し、Hub Scienceの28.2%が勝利した。
  論文  参考訳（メタデータ） (2026-08-31T17:31:18Z)
• An LLM-Powered Semantic Alignment Framework for Journal Recommendation [5.691345965643147]
  学術情報システムにおいて、ジャーナルレコメンデーションは重要な課題である。 論文内容と論文スコープ記述とのセマンティックマッチング問題として,論文推薦を定式化するLLM方式のセマンティックアライメントフレームワークを提案する。 DeepSeek-V3を用いて、統計学および関連分野の49のジャーナルから23,609項目のデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2026-06-26T10:22:24Z)
• Domain-Conditioned Safety in Frontier Computer-Using Agents: A 793-Episode Browser Benchmark, a Coding-Domain Cross-Reference, and a Reproducibility Audit of Recent Red-Teaming [0.0]
  最近のCUA (Computer-using-agent) レポートでは、プロンプトインジェクションアタック成功率 (ASR) は42-98%と報告されている。 我々は,手作りテンプレートとして再現されたこれらのテクニックが,現在のフロンティアCUAに対して有効であるかどうかを問う。
  論文  参考訳（メタデータ） (2026-06-03T01:21:59Z)
• How Far Is Document Parsing from Solved? PureDocBench: A Source-TraceableBenchmark across Clean, Degraded, and Real-World Settings [56.70440596502351]
  昨年は20以上のオープンドキュメントパースモデルが見られたが、ベンチマークはほぼOmniDocBenchにのみ依存している。 HTML/CSSのドキュメントイメージをレンダリングするベンチマークであるPureDocBenchは、10のドメイン、66ページ、1,475ページをカバーしています。
  論文  参考訳（メタデータ） (2026-05-08T09:30:31Z)
• OpenCLAW-P2P v6.0: Resilient Multi-Layer Persistence, Live Reference Verification, and Production-Scale Evaluation of Decentralized AI Peer Review [0.0]
  OpenCLAW-P2P v6.0は分散集団知能プラットフォームの進化である。 人間のゲートキーパーなしで科学的研究論文を出版、査読、採点、反復的に改善する。
  論文  参考訳（メタデータ） (2026-04-06T09:08:24Z)
• What Papers Don't Tell You: Recovering Tacit Knowledge for Automated Paper Reproduction [57.86097956633207]
  Methodは、学術論文から実行可能なコードを生成するグラフベースのエージェントフレームワークである。 3つのドメイン、10のタスク、10の最近の論文にまたがる拡張ReproduceBenchでは、公式実装に対する平均的なパフォーマンスギャップが10.04%に達する。
  論文  参考訳（メタデータ） (2026-03-02T12:33:31Z)
• Let the Bees Find the Weak Spots: A Path Planning Perspective on Multi-Turn Jailbreak Attacks against LLMs [0.0]
  大規模言語モデル(LLM)は様々なアプリケーションに広くデプロイされているが、その潜在的なセキュリティと倫理的リスクは懸念を高めている。 本稿では,動的重み付きグラフトポロジに基づく理論的モデルを導入し,経路計画問題としてマルチターン攻撃過程を抽象化する。 マルチターンジェイルブレイクのための強化された人工ビーコロニーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-11-05T08:05:58Z)
• Forgotten Knowledge: Examining the Citational Amnesia in NLP [63.13508571014673]
  論文を引用するのにどれくらいの時間がかかったのか、どのようにして変化したのか、そしてこの引用的注意/記憶に相関する要因は何か。 引用論文の約62%が出版直前の5年間のものであり,約17%が10年以上前のものであることを示す。 1990年から2014年にかけて、引用論文の中央値と年齢の多様性は着実に増加してきたが、その後傾向が逆転し、現在のNLP論文は、時間的引用の多様性が極端に低い。
  論文  参考訳（メタデータ） (2023-05-29T18:30:34Z)
• BackdoorBench: A Comprehensive Benchmark of Backdoor Learning [57.932398227755044]
  バックドア学習は、ディープニューラルネットワーク(DNN)の脆弱性を研究する上で、新しく重要なトピックである 多くの先駆的なバックドア攻撃と防衛手法が、素早い武器競争の状況において、連続的または同時に提案されている。 BackdoorBenchというバックドア学習の総合的なベンチマークを構築しています。
  論文  参考訳（メタデータ） (2022-06-25T13:48:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。